[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

本發明實施例提供了特征點標注模型訓練方法、裝置、電子設備及存儲介質，上述方法包括：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，得到第一樣本圖像的特征點的坐標值，作為第一坐標值；將第一樣本圖像和第一坐標值輸入預先訓練的分類模型，得到第一樣本圖像的特征點是否標注正確的分類結果，當分類結果不正確時，調整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。采用本發明實施例提供的方案，可以得到特征點標注準確率較高的強化后的特征點標注模型。

技術領域

本發明涉及深度學習技術領域，特別是涉及一種特征點標注模型訓練方法、裝置、電子設備及存儲介質。

背景技術

在一些應用場景中，需要對圖像進行特征點標注。特征點標注可以理解為在對待標注圖像進行檢測，將待標注圖像中滿足要求的點標注為特征點。例如，對待標注圖像可以為一個人臉圖像，對人臉圖像進行標注時，可以對圖像中的人臉的一些部位進行特征點標注，如可以對人臉中的鼻子、眉毛、眼睛等部位進行特征點標注。這些標注得到的特征點可以應用于目標識別等各種領域中。

針對大量的待標注圖像，可以使用特征點標注模型對待標注圖像進行特征點標注。然而，使用特征點標注模型得到的特征點往往存在較大偏差。例如，針對待標注的人臉圖像，使用特征點標注模型得到的標注有特征點的人臉圖像中，較多特征點均有不同程度的不準確，如人臉中的鼻子、眉毛、眼睛等部位可能標注的并不準確。

因此，目前的特征點標注模型在對待標注圖像進行特征點標注時，往往存在標注的準確率較低的問題。

發明內容

本發明實施例的目的在于提供一種特征點標注模型訓練方法，用以得到一種可以提高特征點標注準確率的特征點標注模型。

為了達到上述目的，本發明實施例提供了一種特征點標注模型訓練方法，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。

進一步的，所述特征點標注模型為按照預設訓練方式訓練得到的。

進一步的，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，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。

進一步的，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：