[發明專利]特征點標注模型訓練方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010193514.9
• 申請日: 2020-03-18
• 公開（公告）號: CN111368792A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 鐘韜
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 項京;高鶯然

1.一種特征點標注模型訓練方法，其特征在于，包括：

將第一訓練樣本集中的第一樣本圖像輸入特征點標注模型，得到所述第一樣本圖像的特征點的坐標值，作為第一坐標值；

將所述第一樣本圖像和所述第一坐標值輸入預先訓練的分類模型，得到所述第一樣本圖像的特征點是否標注正確的分類結果，其中，所述分類模型為基于第二訓練樣本集訓練得到的，所述第二訓練樣本集包含第二樣本圖像，每個所述第二樣本圖像的所標注的特征點的坐標值，作為第二坐標值，以及針對每個所述第二樣本圖像的所述第二坐標值，已知的該第二樣本圖像的特征點是否標注正確的分類結果；

當所述分類結果不正確時，調整所述特征點標注模型的參數，得到新的標注模型；

針對當前得到的標注模型，當滿足預設的第一結束訓練條件時，將當前得到的特征點標注模型確定為強化后的特征點標注模型，所述預設的第一結束訓練條件為：用于確定當前得到的標注模型收斂的條件。

2.根據權利要求1所述的方法，其特征在于，針對當前得到的標注模型，采用如下步驟確定是否滿足預設的第一結束訓練條件：

將第一測試圖像輸入當前得到的特征點標注模型，得到所述第一測試圖像的特征點的第一坐標值，以及將第二測試圖像輸入前一次得到的特征點標注模型，得到所述第二測試圖像的特征點的第一坐標值；

使用所述第一測試圖像的特征點的第一坐標值，確定所述分類模型的損失函數值，作為第一損失函數值，使用所述第二測試圖像的特征點的第一坐標值，確定所述分類模型的損失函數值，作為第二損失函數值；

計算所述第一損失函數值和所述第二損失函數值的差值；

當所述差值不大于預設差值閾值時，確定滿足預設的第一結束訓練條件。

3.根據權利要求1所述的方法，其特征在于，針對當前得到的標注模型，采用如下步驟確定是否滿足預設的第一結束訓練條件：

將多個第三測試圖像分別輸入當前得到的特征點標注模型，得到每個所述第三測試圖像的特征點的第一坐標值；

針對每個所述第三測試圖像，將該第三測試圖像和該第三測試圖像的特征點的第一坐標值輸入所述分類模型，得到該第三測試圖像的特征點是否標注正確的分類結果；

基于多個所述第三測試圖像的特征點是否標注正確的分類結果，計算多個所述第三測試圖像的所述分類結果的正確率，其中，所述正確率為多個所述第三測試圖像的所述分類結果表示正確的分類結果的比例；

當所述正確率不小于預設正確率閾值時，確定滿足預設的第一結束訓練條件。

4.根據權利要求1所述的方法，其特征在于，采用如下步驟基于第二訓練樣本集訓練得到所述分類模型：

將所述第二樣本圖像和所述第二樣本圖像的特征點的第二坐標值，輸入待訓練神經網絡模型，得到表示所述第二樣本圖像的特征點是否標注正確的輸出結果；

基于已知的該第二樣本圖像的特征點是否標注正確的分類結果，以及所述輸出結果，對所述待訓練神經網絡模型進行調整；

當滿足預設的第二結束訓練條件時，將當前的所述待訓練神經網絡模型確定為訓練得到的所述分類模型，所述預設的第二結束訓練條件為：用于確定當前的待訓練神經網絡模型收斂的條件。

5.一種特征點標注模型訓練裝置，其特征在于，包括：

第一輸入模塊，用于將第一訓練樣本集中的第一樣本圖像輸入特征點標注模型，得到所述第一樣本圖像的特征點的坐標值，作為第一坐標值；

第二輸入模塊，用于將所述第一樣本圖像和所述第一坐標值輸入預先訓練的分類模型，得到所述第一樣本圖像的特征點是否標注正確的分類結果，其中，所述分類模型為基于第二訓練樣本集訓練得到的，所述第二訓練樣本集包含第二樣本圖像，每個所述第二樣本圖像的所標注的特征點的坐標值，作為第二坐標值，以及針對每個所述第二樣本圖像的所述第二坐標值，已知的該第二樣本圖像的特征點是否標注正確的分類結果；

參數調整模塊，用于當所述分類結果不正確時，調整所述特征點標注模型的參數，得到新的標注模型；

第一確定模塊，用于針對當前得到的標注模型，當滿足預設的第一結束訓練條件時，將當前得到的特征點標注模型確定為強化后的特征點標注模型，所述預設的第一結束訓練條件為：用于確定當前得到的標注模型收斂的條件。