[發明專利]確定圖像的特征數據的方法、裝置、電子設備及存儲介質

有效

• 申請號: 201910146729.2
• 申請日: 2019-02-27
• 公開（公告）號: CN109886226B
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 楊帆
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 祝亞男

本公開是關于一種確定圖像的特征數據的方法、裝置、電子設備及存儲介質，屬于機器學習技術領域。所述方法包括獲取目標圖像；將所述目標圖像，輸入預先訓練的特征圖像提取模型，得到所述目標圖像對應的特征圖像；將所述特征圖像，分別輸入預先訓練的多個分別執行多任務的多項式回歸器，得到所述目標圖像的多個特征數據，其中，所述多任務為非線性回歸任務，所述多項式回歸器通過解除所述多任務的耦合來執行所述多任務，所述多項式回歸器的階數均大于1。采用本公開在進行多任務回歸時，得到的單個任務的特征數據更加準確。

技術領域

本公開涉及機器學習技術領域，尤其涉及一種確定圖像的特征數據的方法、裝置、電子設備及存儲介質。

背景技術

隨著機器學習的發展，類似于人臉關鍵點檢測、人體關鍵點檢測和人臉姿態估計等任務，使用基于深度學習的回歸模型均可完成。基于機器學習的回歸模型的基本結構多為機器學習模型后接回歸器，其中，機器學習模型用于獲取輸入圖像的特征圖像，回歸器則基于特征圖像得出相應特征數據，如人臉關鍵點位置數據、人體關鍵點位置數據、人臉姿態數據等。

相關技術中，基于機器學習的回歸模型基本為機器學習模型后接單項式回歸器，此類模型結構簡單，訓練學習速度快，調參方便。對于簡單的回歸任務可以很好的完成。

在實現本公開的過程中，發明人發現相關技術至少存在以下問題：

在使用回歸模型進行多任務回歸時，多任務間可能有較強的耦合關系，并非簡單的線性關系，例如，人臉關鍵點檢測，要同時得到多個人臉關鍵點坐標，而人臉為非剛體，各人臉關鍵點間的耦合較強。此類情況使用單項式回歸器，得到單個任務的特征數據并不準確。

發明內容

本公開提供一種確定圖像的特征數據的方法，能夠克服在多任務回歸時，得到的單個任務的特征數據并不準確的問題。

根據本公開實施例的第一方面，提供一種確定圖像的特征數據的方法，包括：

獲取目標圖像；

將所述目標圖像，輸入預先訓練的特征圖像提取模型，得到所述目標圖像對應的特征圖像；

將所述特征圖像，分別輸入預先訓練的多個分別執行多任務的多項式回歸器，得到所述目標圖像的多個特征數據，其中，所述多任務為非線性回歸任務，所述多項式回歸器通過解除所述多任務的耦合來執行所述多任務，所述多項式回歸器的階數均大于1。

可選的，所述方法還包括：

獲取樣本圖像和對應的樣本特征數據；

將所述樣本圖像作為樣本輸入數據，所述樣本特征數據作為樣本輸出數據，對初始特征圖像提取模型和多個初始多項式回歸器進行訓練，得到所述圖像特征提取模型和所述多個分別執行多任務的多項式回歸器。

可選的，所述特征圖像提取模型為視覺幾何組VGG模型。

可選的，所述多項式回歸器為：

y＝A_nf(x)ⁿ+A_n-1f(x)^n-1+…A₁f(x)+A₀，其中，A₁…A_n為向量化參數，A₀為常量參數，f(x)為所述特征圖像，n為所述多項式回歸器的階數，y為所述特征數據。

可選的，所述多個多項式回歸器的階數相同。

可選的，所述特征數據為人臉關鍵點位置數據、人體關鍵點位置數據或人臉姿態數據。

根據本公開實施例的第二方面，提供一種確定圖像的特征數據的裝置，包括：

獲取單元，被配置為獲取目標圖像；