[發(fā)明專利]關鍵點定位模型的訓練方法、裝置和計算機設備

在審

• 申請?zhí)枺?/td>: 202110737218.5
• 申請日: 2021-06-30
• 公開（公告）號: CN113449718A
• 公開（公告）日: 2021-09-28
• 發(fā)明（設計）人: 劉杰;王健宗;瞿曉陽
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 深圳市明日今典知識產(chǎn)權(quán)代理事務所(普通合伙) 44343
• 代理人: 王杰輝;羅燕

本申請涉及人工智能技術(shù)領域，提供一種關鍵點定位模型的訓練方法、裝置、計算機設備和存儲介質(zhì)，方法包括：獲取預設的樣本數(shù)據(jù)集；利用已標注樣本訓練神經(jīng)網(wǎng)絡模型得到第一初始定位模型；利用第一初始定位模型對未標注樣本進行預測生成目標預測樣本；使用目標預測樣本對已標注樣本進行擴充得到擴充樣本；基于擴充樣本與第一初始定位模型，得到與第一初始定位模型對應的總體損失函數(shù)；基于總體損失函數(shù)對第一初始定位模型的模型參數(shù)進行調(diào)整，得到調(diào)整好的第二初始定位模型并用作關鍵點定位模型。本申請能智能快速地生成具有動物關鍵點定位功能的關鍵點定位模型。本申請還可以應用于區(qū)塊鏈領域，上述關鍵點定位模型可存儲于區(qū)塊鏈上。

技術(shù)領域

本申請涉及人工智能技術(shù)領域，具體涉及一種關鍵點定位模型的訓練方法、裝置和計算機設備。

背景技術(shù)

動物關鍵點檢測是計算機視覺中的熱門研究課題之一，也是基于視覺的模式識別應用的一個重要方向。它需要將圖像數(shù)據(jù)中動物的所有身體特征點，如腳踝、手腕等關鍵點檢測或定位出來。

對于圖像數(shù)據(jù)中的關鍵點定位，現(xiàn)有通常是基于大量的有標注的訓練數(shù)據(jù)來訓練生成相應的關鍵點定位模型，再使用生成的關鍵點定位模型來對輸入圖像進行關鍵點預測。然而，對于動物而言，由于動物的物種種類較多，且動物的身體特征點的數(shù)量也較多，故對于動物圖像的訓練數(shù)據(jù)的標注需要耗費較長的時間以及耗費很大的人力。如果采用現(xiàn)有的訓練生成關鍵點定位模型的方法來生成與用于進行動物關鍵點定位的模型，則會導致該模型的訓練數(shù)據(jù)的標注成本很高，且該模型的生成效率會比較慢。

發(fā)明內(nèi)容

本申請的主要目的為提供一種關鍵點定位模型的訓練方法、裝置、計算機設備和存儲介質(zhì)，旨在解決如果采用現(xiàn)有的訓練生成關鍵點定位模型的方法來生成與用于進行動物關鍵點定位的模型，則會導致該模型的訓練數(shù)據(jù)的標注成本很高，且該模型的生成效率會比較慢的技術(shù)問題。

本申請?zhí)岢鲆环N關鍵點定位模型的訓練方法，所述方法包括步驟：

獲取預設的樣本數(shù)據(jù)集；其中，所述樣本數(shù)據(jù)集包括已標注樣本與未標注樣本，所述已標注樣本為標注有多個關鍵點的動物圖像數(shù)據(jù)；

利用所述樣本數(shù)據(jù)集中的所述已標注樣本對預設的神經(jīng)網(wǎng)絡模型進行訓練，得到訓練好的第一初始定位模型；

利用所述第一初始定位模型對所述未標注樣本進行預測處理，生成分配有偽標記的預測樣本，并從所述預測樣本中篩選出符合預設條件的目標預測樣本；

使用所述目標預測樣本對所述已標注樣本進行擴充，得到對應的擴充樣本；

基于所述擴充樣本與所述第一初始定位模型，得到與所述第一初始定位模型對應的總體損失函數(shù)；

基于所述總體損失函數(shù)對所述第一初始定位模型的模型參數(shù)進行調(diào)整，得到調(diào)整好的第二初始定位模型；

將所述第二初始定位模型作為關鍵點定位模型，以通過所述關鍵點定位模型對待處理的動物圖像數(shù)據(jù)進行關鍵點預測處理。

可選地，所述利用所述第一初始定位模型對所述未標注樣本進行預測處理，生成分配有偽標記的預測樣本，并從所述預測樣本中篩選出符合預設條件的目標預測樣本的步驟，包括：

利用所述第一初始定位模型對所述未標注樣本進行預測處理，生成分配有偽標記的預測樣本；

獲取與各所述預測樣本分別對應的預測概率；

獲取預設的概率閾值；

從所有預測概率中篩選出大于所述概率閾值的指定預測概率；

從所有所述預測樣本中獲取與所述指定預測概率對應的指定預測樣本；

將所述指定預測樣本作為所述目標預測樣本。