[發明專利]一種模型訓練方法、裝置、設備及存儲介質

有效

• 申請號: 202110433239.8
• 申請日: 2021-04-22
• 公開（公告）號: CN112991502B
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 常天元
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06T13/40
• 分類號: G06T13/40;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;杜維

1.一種模型訓練方法，其特征在于，包括：

獲取用于訓練初始網絡模型的樣本特征，將所述樣本特征中的樣本頂點拼接特征輸入所述初始網絡模型中的第一網絡，由所述第一網絡輸出所述樣本頂點拼接特征對應的頂點隱藏特征；所述樣本特征是由具有樣本標簽的樣本服飾網格所確定的；所述樣本標簽用于指示所述樣本服飾網格的樣本頂點與樣本骨骼關節之間的樣本關節權重；所述初始網絡模型包括所述第一網絡、第二網絡以及第三網絡；所述第二網絡包括第一分支網絡、第二分支網絡和第三分支網絡；

將所述頂點隱藏特征輸入所述第一分支網絡，由所述第一分支網絡對所述頂點隱藏特征進行全局特征提取，得到所述樣本服飾網格的全局信息特征；

將所述樣本特征中的樣本鄰接矩陣和所述頂點隱藏特征輸入所述第二分支網絡，由所述第二分支網絡對所述樣本鄰接矩陣和所述頂點隱藏特征進行局部特征提取，得到所述樣本頂點之間的局部信息特征；

將所述頂點隱藏特征輸入所述第三分支網絡，由所述第三分支網絡對所述頂點隱藏特征進行近鄰特征提取，得到所述樣本頂點的近鄰信息特征；

對所述全局信息特征、所述局部信息特征以及所述近鄰信息特征進行特征拼接，得到所述第二網絡的拼接信息特征，將所述拼接信息特征輸入所述第三網絡，通過所述第三網絡得到所述樣本頂點與所述樣本骨骼關節之間的預測關節權重，將所述預測關節權重作為所述樣本服飾網格的預測標簽；

基于所述樣本標簽和所述預測標簽，對所述初始網絡模型進行迭代訓練，得到用于預測目標關節權重的目標網絡模型。

2.根據權利要求1所述的方法，其特征在于，所述獲取用于訓練初始網絡模型的樣本特征，將所述樣本特征中的樣本頂點拼接特征輸入所述初始網絡模型中的第一網絡，由所述第一網絡輸出所述樣本頂點拼接特征對應的頂點隱藏特征，包括：

在獲取到具有樣本標簽的樣本服飾網格時，構建所述樣本服飾網格對應的圖拓撲結構數據；所述圖拓撲結構數據包括所述樣本服飾網格的樣本頂點以及與所述樣本頂點相關聯的樣本鄰接矩陣；

基于所述樣本頂點的頂點位置信息以及所述樣本頂點所屬網格平面的法向量信息，確定所述樣本頂點的頂點基礎特征；

獲取分布在所述樣本服飾網格中的骨骼結構對應的樣本骨骼關節，確定所述樣本頂點與所述樣本骨骼關節之間的歐氏距離特征；

將所述頂點基礎特征與所述歐氏距離特征進行拼接處理，得到樣本頂點拼接特征，且將所述樣本頂點拼接特征與所述樣本鄰接矩陣作為用于訓練初始網絡模型的樣本特征；

將所述樣本特征中的所述樣本頂點拼接特征輸入所述初始網絡模型中的第一網絡，由所述第一網絡輸出所述樣本頂點拼接特征對應的頂點隱藏特征。

3.根據權利要求2所述的方法，其特征在于，所述第一網絡包括第一多層感知層以及第一近鄰特征學習層；

所述將所述樣本特征中的所述樣本頂點拼接特征輸入所述初始網絡模型中的第一網絡，由所述第一網絡輸出所述樣本頂點拼接特征對應的頂點隱藏特征，包括：

將所述樣本特征中的所述樣本頂點拼接特征輸入所述初始網絡模型中的第一網絡，由所述第一多層感知層對所述樣本頂點拼接特征進行特征提取，得到所述樣本頂點拼接特征對應的第一提取特征；

由所述第一近鄰特征學習層對所述樣本頂點拼接特征進行特征提取，得到所述樣本頂點拼接特征對應的第二提取特征；

對所述第一提取特征和所述第二提取特征進行疊加處理，將疊加處理后的特征作為所述樣本頂點拼接特征對應的頂點隱藏特征。