[發(fā)明專利]基于圖像的目標(biāo)點位置檢測方法、裝置、電子設(shè)備

有效

• 申請?zhí)枺?/td>: 201910185907.2
• 申請日: 2019-03-12
• 公開（公告）號: CN110069985B
• 公開（公告）日: 2020-08-28
• 發(fā)明（設(shè)計）人: 柴振華;賴申其
• 申請（專利權(quán)）人: 北京三快在線科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京潤澤恒知識產(chǎn)權(quán)代理有限公司 11319
• 代理人: 莎日娜

本申請公開了一種基于圖像的目標(biāo)點位置檢測方法，屬于計算機(jī)技術(shù)領(lǐng)域，用于目標(biāo)點位置檢測性能低下的問題。本申請實施例中公開的點位置檢測方法包括：獲取標(biāo)注有真實目標(biāo)點位置的若干圖像樣本；通過所述神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)根據(jù)變量計算所述神經(jīng)網(wǎng)絡(luò)模型的損失值，并以所述損失值最小為目標(biāo)調(diào)整所述神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)模型；其中，所述損失函數(shù)被配置為相對于變量的絕對值單調(diào)遞增，所述損失函數(shù)對應(yīng)的梯度函數(shù)為單調(diào)遞減函數(shù)且所述梯度函數(shù)的值大于1并在所述變量趨近于無窮大時逐漸趨近于1；所述變量用于表示真實值和預(yù)測值之間的差值，所述真實值基于樣本標(biāo)簽確定，所述預(yù)測值通過所述神經(jīng)網(wǎng)絡(luò)模型預(yù)測得到。

技術(shù)領(lǐng)域

本申請涉及圖像識別和檢測技術(shù)領(lǐng)域，特別是涉及一種基于圖像的目標(biāo)點位置檢測方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)

基于圖像的目標(biāo)點位置檢測具有廣泛的應(yīng)用，如基于人臉圖像的人臉關(guān)鍵點檢測，基于視頻圖像的行人檢測。以人臉檢測為例，人臉檢測是人臉識別、人臉美妝、人臉貼圖等產(chǎn)品的核心技術(shù)。基于人臉圖像中檢測到的人臉關(guān)鍵點，可以開發(fā)出很多應(yīng)用。隨著人們對深度學(xué)習(xí)研究的不斷深入，通過深度學(xué)習(xí)方法進(jìn)行基于圖像的目標(biāo)點位置檢測的研究不斷展開，并取得了一定效果。通常的目標(biāo)點位置檢測任務(wù)是回歸任務(wù)，由神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)基于歐式距離進(jìn)行誤差的前向和后向傳播。然而，基于歐式距離的損失函數(shù)，有一個眾所周知的缺點，那就是對“離群點”敏感，即當(dāng)某個點的預(yù)測值與真實值誤差較大時，整個loss(損失值)將由這個點所“主導(dǎo)”。為了避免預(yù)測值與真實值誤差較大時，網(wǎng)絡(luò)模型的損失函數(shù)的函數(shù)值過大，現(xiàn)有技術(shù)中出現(xiàn)了一種人臉關(guān)鍵點檢測方法，通過采用Wing loss損失函數(shù)，在進(jìn)行網(wǎng)絡(luò)模型優(yōu)化過程中，針對誤差更小處給予更大梯度，而誤差較大處梯度為適中，取得了更好的結(jié)果。

然而，由于Wing loss的目標(biāo)函數(shù)是分段函數(shù)，在代碼實現(xiàn)的時候?qū)orward(前向傳播)和backward(后向傳播)兩個過程需要分別進(jìn)行處理，實現(xiàn)比較復(fù)雜。并且，有兩個超參數(shù)需要調(diào)節(jié)，且不同場景下兩個超參數(shù)的最優(yōu)值差異很大，導(dǎo)致模型的訓(xùn)練過程復(fù)雜，訓(xùn)練效率低下，并且模型的準(zhǔn)確度較低。

可見，現(xiàn)有技術(shù)中的目標(biāo)點位置檢測方法至少存在性能低下的缺陷。

發(fā)明內(nèi)容

本申請實施例提供一種基于圖像的目標(biāo)點位置檢測方法，有助于改善目標(biāo)點位置檢測性能低下的問題。

為了解決上述問題，第一方面，本申請實施例提供了一種基于圖像目標(biāo)點位置檢測方法，包括：

獲取標(biāo)注有真實目標(biāo)點位置的若干圖像樣本；

通過所述神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)根據(jù)變量計算所述神經(jīng)網(wǎng)絡(luò)模型的損失值，并以所述損失值最小為目標(biāo)調(diào)整所述神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)模型；其中，所述損失函數(shù)被配置為相對于變量的絕對值單調(diào)遞增，所述損失函數(shù)對應(yīng)的梯度函數(shù)為單調(diào)遞減函數(shù)且所述梯度函數(shù)的值大于1并在所述變量趨近于無窮大時逐漸趨近于1；所述變量用于表示真實值和預(yù)測值之間的差值，所述真實值基于標(biāo)注的所述真實目標(biāo)點位置確定，所述預(yù)測值通過所述神經(jīng)網(wǎng)絡(luò)模型對所述各所述圖像樣本進(jìn)行預(yù)測得到；

通過訓(xùn)練得到的所述神經(jīng)網(wǎng)絡(luò)模型，對輸入的圖像進(jìn)行目標(biāo)點位置檢測。

第二方面，本申請實施例提供了一種基于圖像的目標(biāo)點位置檢測裝置，包括：

圖像樣本獲取模塊，用于獲取標(biāo)注有真實目標(biāo)點位置的若干圖像樣本；