[發明專利]對象關鍵點的檢測模型訓練的相關方法、裝置、設備

在審

• 申請號: 202110412938.4
• 申請日: 2021-04-16
• 公開（公告）號: CN113408568A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 謝宇;賈若然;譚昶;湯進;李成龍
• 申請（專利權）人: 科大訊飛股份有限公司;安徽大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 何倚雯

本申請公開了對象關鍵點的檢測模型訓練的相關方法、裝置、設備，其中，對象關鍵點的檢測模型訓練方法包括：獲取到樣本圖片，將樣本圖片輸入到檢測模型中，得到樣本圖片的初始特征圖；其中，樣本圖片中包括樣本對象；基于初始特征圖生成樣本圖片對應的第一熱圖；基于標準檢測結果與第一熱圖生成第二熱圖；基于標準檢測結果以及第一熱圖和/或第二熱圖對檢測模型進行訓練，得到訓練后的檢測模型。上述方案，能夠提高對象關鍵點的檢測精度。

技術領域

本申請涉及關鍵點檢測的技術領域，特別是涉及對象關鍵點的檢測模型訓練的相關方法、裝置、設備。

背景技術

隨著科學技術的高速發展，智能識別技術在國民的日常生活中應用得越來越廣泛。例如，人臉識別在安保防護場景中具備十分重大的意義，而車輛識別在交通道路領域中也逐步得到應用。

而各種智能識別技術基本都依賴于對目標對象的關鍵點進行檢測，以作為智能識別技術的基礎性技術。同時一個好的對象關鍵點檢測算法也對各識別場景起著至關重要的作用。

但目前對象關鍵點的檢測精度不高，難以支持各識別場景中的應用。

發明內容

本申請提供了對象關鍵點的檢測模型訓練的相關方法、裝置、設備，以解決現有技術中存在的對象關鍵點的檢測精度較低的問題。

本申請提供了一種對象關鍵點的檢測模型訓練方法，包括：獲取到樣本圖片，將樣本圖片輸入到檢測模型中，得到樣本圖片的初始特征圖；其中，樣本圖片中包括樣本對象；基于初始特征圖生成樣本圖片對應的第一熱圖；基于標準檢測結果與第一熱圖生成第二熱圖；基于標準檢測結果以及第一熱圖和/或第二熱圖對檢測模型進行訓練，得到訓練后的檢測模型。

其中，標準檢測結果包括標準坐標結果以及標準分類結果；基于初始特征圖生成樣本圖片對應的第一熱圖的步驟包括：將初始特征圖輸入到檢測模型的第一沙漏網絡中進行特征處理，得到包括多個通道的第一熱圖；其中，各通道對應包括各關鍵點的初始特征值；基于標準檢測結果與第一熱圖生成第二熱圖的步驟包括：利用標準分類結果將第一熱圖的初始特征值進行融合；將融合后的第一熱圖輸入到檢測模型的第二沙漏網絡中再次進行特征處理，得到包括多個通道的第二熱圖；其中，各通道對應包括各關鍵點的特征值。

其中，對象包括車輛，標準分類結果包括可見關鍵點、不可見關鍵點或遮擋關鍵點；利用標準分類結果將第一熱圖的初始特征值進行融合的步驟包括：基于標準分類結果增大第一熱圖中可見關鍵點的初始特征值，以及縮小不可見關鍵點以及遮擋關鍵點的初始特征值。

其中，基于標準檢測結果以及第一熱圖和/或第二熱圖對檢測模型進行訓練，得到訓練后的檢測模型的步驟包括：將第一熱圖中各通道的特征值和/或第二熱圖中各通道的特征值與標準坐標結果對應的熱圖中的特征值進行逐像素多類交叉熵損失，以對檢測模型進行訓練。

其中，獲取到樣本圖片的步驟還包括：接收人工對樣本圖片進行處理，得到標準檢測結果；或接收檢測模型對樣本圖片進行處理，得到標準檢測結果的標準分類結果；以及接收人工對樣本圖片進行處理，得到標準檢測結果的標準坐標結果。

其中，接收檢測模型對樣本圖片的處理，得到標準檢測結果的步驟包括：接收人工處理后的訓練圖片，獲取訓練圖片的標準分類結果；通過檢測模型的分類網絡對訓練圖片上對象的各關鍵點進行分類，得到各關鍵點的分類結果；基于訓練圖片的標準分類結果以及分類結果對檢測模型的分類網絡進行訓練，得到訓練后的分類網絡；通過訓練后的分類網絡對樣本圖片進行分類處理，得到樣本圖片的標準分類結果。

其中，將樣本圖片輸入到檢測模型中，得到樣本圖片的初始特征圖的步驟包括：通過檢測模型的特征提取網絡對樣本圖片進行卷積處理以及池化處理，得到初始特征圖。

其中，將樣本圖片輸入到檢測模型中，得到樣本圖片的初始特征圖的步驟之前包括：基于樣本對象在樣本圖片中的位置對樣本圖片進行裁剪；對裁剪后的樣本圖片進行尺寸調整，得到預處理后的樣本圖片。