1.一种基于渐进训练和人脸语义分割的人脸超分辨率重建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于渐进训练和人脸语义分割的人脸超分辨率重建方法，其特征在于，所述步骤s2中的人脸超分辨率网络lfsrnet是基于rfdn进行改进的，lfsrnet网络模型是一种轻量化模型，适用于超低分辨率的人脸图像输入，并可以输出三种不同放大倍数的高分辨率重建图像，包括残差聚合模块rab和三个上采样块。
3.根据权利要求2所述的一种基于渐进训练和人脸语义分割的人脸超分辨率重建方法，其特征在于，所述残差聚合模块rab，由4个连续的残差特征蒸馏模块rfdb通过残差聚合的形式搭建而成：前后相连的rfdb进行残差学习，将4个rfdb的输出特征进行堆叠，最后将堆叠后的特征经过一个卷积进行特征融合并输出。
4.根据权利要求2所述的一种基于渐进训练和人脸语义分割的人脸超分辨率重建方法，其特征在于，每个上采样块主要由卷积和亚像素卷积构成，每个上采样块可以进行两倍的图像放大，并输出重建图像，包括：
5.根据权利要求1所述的一种基于渐进训练和人脸语义分割的人脸超分辨率重建方法，其特征在于，所述步骤s3至s10为一种针对人脸超分辨率网络的渐进训练方法，这种训练方法使模型在一次迭代训练中分三阶段开展，包括：
6.根据权利要求1所述的一种基于渐进训练和人脸语义分割的人脸超分辨率重建方法，其特征在于，所述步骤s8至s10使用人脸语义分割网络模型获取人脸的先验信息，提出一种人脸分割损失，在一次迭代训练中的第三个阶段将人脸分割损失纳入总损失函数来更新网络参数，协助网络生成更加逼真的人脸结构。