[發明專利]關鍵點檢測及檢測網絡訓練的方法、電子設備和存儲介質

有效

• 申請號: 202110616824.1
• 申請日: 2021-06-03
• 公開（公告）號: CN113065535B
• 公開（公告）日: 2021-08-17
• 發明（設計）人: 保長存;朱海濤;陳智超;江坤;戶磊
• 申請（專利權）人: 北京的盧深視科技有限公司;合肥的盧深視科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京智晨知識產權代理有限公司 11584
• 代理人: 張婧

本發明實施例涉及神經網絡領域，公開了一種關鍵點檢測及檢測網絡訓練的方法、電子設備和存儲介質。本發明中，獲取預設的關鍵點模板、訓練樣本圖像和所述訓練樣本圖像對應的樣本關鍵點，所述關鍵點模板為預先構建的初始關鍵點檢測網絡輸出結果的形狀標準；通過所述初始關鍵點檢測網絡，結合所述訓練樣本圖像和所述關鍵點模板獲得訓練檢測關鍵點；根據所述訓練檢測關鍵點和所述樣本關鍵點對所述初始關鍵點檢測網絡進行迭代訓練，并將滿足預設迭代條件的所述初始關鍵點檢測網絡作為訓練完成的關鍵點檢測網絡。提供了關鍵點模板作為先驗，保證關鍵點形狀正常，提高關鍵點檢測的準確性。

技術領域

本發明實施例涉及神經網絡領域，特別涉及關鍵點檢測及檢測網絡訓練的方法、電子設備和存儲介質。

背景技術

傳統的對圖像關鍵點進行檢測的方法通常采用卷積神經網絡對圖像結合熱圖（HeatMap）獲取與圖像對應的關鍵點。其中，HeatMap可以用顏色變化來反映二維矩陣或表格中的數據信息，它可以直觀地將數據值的大小以定義的顏色深淺表示出來。常根據需要將數據進行物種或樣品間豐度相似性聚類，將聚類后數據表示在HeatMap圖上，可將高豐度和低豐度的物種分塊聚集，通過顏色梯度及相似程度來反映多個樣品在各分類水平上群落組成的相似性和差異性，進而得到待檢測圖像的關鍵點。

然而，發明人發現傳統方式直接對圖像采取機械的關鍵點提取，可能導致關鍵點形狀異常，超出了原有的待檢測物體的形狀范圍，致使關鍵點檢測的不夠準確。

發明內容

本發明實施方式的目的在于提供一種關鍵點檢測及檢測網絡訓練的方法、電子設備和存儲介質，提供了關鍵點模板作為先驗，保證關鍵點形狀正常，提高關鍵點檢測的準確性。

為解決上述技術問題，本發明的實施方式提供了一種關鍵點檢測網絡訓練方法，包括以下步驟：獲取預設的關鍵點模板、訓練樣本圖像和訓練樣本圖像對應的樣本關鍵點，關鍵點模板為預先構建的初始關鍵點檢測網絡輸出結果的形狀標準；通過初始關鍵點檢測網絡，結合訓練樣本圖像和關鍵點模板獲得訓練檢測關鍵點；根據訓練檢測關鍵點和樣本關鍵點對初始關鍵點檢測網絡進行迭代訓練，并將滿足預設迭代條件的初始關鍵點檢測網絡作為訓練完成的關鍵點檢測網絡。

本發明的實施方式還提供了一種關鍵點檢測方法，包括：將第一檢測圖像輸入第一關鍵點檢測網絡獲取第一檢測關鍵點；通過第一檢測關鍵點獲取第二檢測圖像；將第二檢測圖像輸入第二關鍵點檢測網絡獲取第二檢測關鍵點，作為關鍵點檢測的結果，其中，第一關鍵點檢測網絡和第二關鍵點檢測網絡至少包括關鍵點檢測網絡和關鍵點模板。

本發明的實施方式還提供了一種電子設備，包括：至少一個處理器；以及，與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠執行上述的關鍵點檢測網絡訓練方法或關鍵點檢測方法。

本發明的實施方式還提供了一種計算機可讀存儲介質，計算機程序被處理器執行時實現執行上述的關鍵點檢測網絡訓練方法或關鍵點檢測方法。

本發明實施方式提供的關鍵點檢測及檢測網絡訓練的方法、電子設備和存儲介質，采用預先設置的關鍵點模板作為關鍵點的先驗，避免了檢測的關鍵點出現異常形狀，提高了檢測關鍵點形狀的穩定性。由于具有關鍵點模板，因此后續的網絡訓練實際上是在通過關鍵點模板校正了檢測關鍵點形狀后與樣本關鍵點計算的殘差，提高了檢測結果的準確性，降低了網絡訓練的難度。

另外，本發明實施方式提供的關鍵點檢測網絡訓練方法，通過初始關鍵點檢測網絡，結合訓練樣本圖像和關鍵點模板獲得訓練檢測關鍵點，包括：通過初始關鍵點檢測網絡，結合訓練樣本圖像和關鍵點模板，確定第一訓練檢測關鍵點；通過初始關鍵點檢測網絡中預設的網絡節點，結合訓練樣本圖像，確定第二訓練檢測關鍵點；

根據第一訓練檢測關鍵點和第二訓練檢測關鍵點，確定訓練檢測關鍵點。采用兩次網絡計算關鍵點，使檢測的關鍵點更為準確。