[發明專利]圖像關鍵點檢測方法、裝置、可讀存儲介質及電子設備

在審

• 申請號: 202110795884.4
• 申請日: 2021-07-14
• 公開（公告）號: CN115619699A
• 公開（公告）日: 2023-01-17
• 發明（設計）人: 請求不公布姓名
• 申請（專利權）人: 上海聯麓半導體技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T5/00;G06N3/0464;G06N3/08
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 李興迪

1.一種圖像關鍵點檢測方法，其特征在于，包括：

對獲取到的原始圖像進行邊緣增強處理，得到邊緣增強圖像；

將所述邊緣增強圖像輸入已訓練神經網絡模型的輸入層后，經所述已訓練神經網絡模型的中間層進行特征提取，得到特征提取圖像，其中，所述中間層的層數大于2，各中間層對應的卷積核的數量逐層遞減；

將所述特征提取圖像輸入所述已訓練神經網絡模型的全連接層和輸出層，以得到所述原始圖像中關鍵點的檢測結果。

2.根據權利要求1所述的圖像關鍵點檢測方法，其特征在于，所述中間層對應的卷積核的數量呈設定值的倍數逐層遞減。

3.根據權利要求1所述的圖像關鍵點檢測方法，其特征在于，所述中間層對應的卷積核的大小為1*1。

4.根據權利要求1所述的圖像關鍵點檢測方法，其特征在于，所述中間層包括第一中間層、第二中間層、第三中間層和第四中間層；

所述第一中間層對應的卷積核的數量為128，所述第二中間層對應的卷積核的數量為64，所述第三中間層對應的卷積核的數量為32，所述第四中間層對應的卷積核的數量為16。

5.根據權利要求1所述的圖像關鍵點檢測方法，其特征在于，所述原始圖像為半導體圖像或醫療圖像。

6.根據權利要求1-5任一項所述的圖像關鍵點檢測方法，其特征在于，在訓練神經網絡模型時，所述神經網絡模型包括第一損失函數和第二損失函數，其中，

所述第一損失函數對應的表達式為：

其中，L_j表征第j個訓練圖像對應的加權損失函數，表征訓練圖像j中第i個關鍵點的真實坐標，表征第i個關鍵點的預測坐標，w_i和v_i均表征第i個關鍵點對應的非負權重，points表征關鍵點個數；

所述第二損失函數對應的表達式為：

其中，C表征模型損失函數，m表征訓練圖像的數量，n表征訓練批次，λ表征權重系數，θ_k表征模型參數，所述模型參數包括權重和偏差。

7.一種神經網絡模型，其特征在于，所述神經網絡模型包括輸入層、至少兩層中間層、全連接層和輸出層；

所述輸入層、至少兩層中間層、全連接層和輸出層依次連接；

所述至少兩層中間層對應的卷積核的數量逐層遞減；

所述神經網絡模型以經邊緣增強處理后的原始圖像為輸入項，以圖像關鍵點坐標為輸出項。

8.一種圖像關鍵點檢測裝置，其特征在于，包括：

邊緣增強模塊，用于對獲取到的原始圖像進行邊緣增強處理，得到邊緣增強圖像；

特征提取模塊，用于將所述邊緣增強圖像輸入已訓練神經網絡模型的輸入層后，經所述已訓練神經網絡模型的中間層進行特征提取，得到特征提取圖像，其中，所述中間層的層數大于2，各中間層對應的卷積核的數量逐層遞減；

結果確定模塊，用于將所述特征提取圖像輸入所述已訓練神經網絡模型的全連接層和輸出層，以得到所述原始圖像中關鍵點的檢測結果。

9.一種計算機可讀存儲介質，所述存儲介質存儲有計算機程序，所述計算機程序用于執行上述權利要求1-6任一項所述的圖像關鍵點檢測方法。

10.一種電子設備，所述電子設備包括：

處理器；

用于存儲所述處理器可執行指令的存儲器；

所述處理器，用于從所述存儲器中讀取所述可執行指令，并執行所述指令以實現上述權利要求1-6任一項所述的圖像關鍵點檢測方法。