[發明專利]模型訓練方法、裝置、電子設備和計算機可讀存儲介質

有效

• 申請號: 202111122701.9
• 申請日: 2021-09-24
• 公開（公告）號: CN113869186B
• 公開（公告）日: 2022-12-16
• 發明（設計）人: 劉沖沖;付賢強;何武;朱海濤;戶磊
• 申請（專利權）人: 合肥的盧深視科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/774;G06V10/82;G06T7/73;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

1.一種模型訓練方法，其特征在于，包括：

根據訓練樣本預標注的關鍵點的坐標，獲取所述訓練樣本的人臉姿態角粗標簽；其中，所述訓練樣本為二維人臉圖像，所述關鍵點包括左眼睛中心、右眼睛中心、鼻尖、左嘴角和右嘴角，所述人臉姿態角粗標簽包括俯仰角和偏航角；

根據所述人臉姿態角粗標簽和預設的候選姿態角集合，獲取所述訓練樣本的人臉姿態角的聯合概率分布；

根據所述訓練樣本、所述聯合概率分布和預設的損失函數，訓練預設的深度學習網絡，得到人臉姿態角估計模型；其中，所述人臉姿態角估計模型用于估計二維人臉圖像的人臉姿態角；

所述根據訓練樣本預標注的關鍵點的坐標，獲取所述訓練樣本的人臉姿態角粗標簽，包括：

根據所述左眼睛中心的坐標、所述右眼睛中心的坐標和所述鼻尖的坐標，確定第一目標點的坐標；

根據所述左眼睛中心的坐標、所述右眼睛中心的坐標和所述第一目標點的坐標，計算得到第一距離、第二距離和第三距離；其中，所述第一距離為所述左眼睛中心與所述右眼睛中心之間的距離，所述第二距離為所述左眼睛中心與所述第一目標點之間的距離，所述第三距離為所述右眼睛中心與所述第一目標點之間的距離；

根據所述第一距離、所述第二距離和所述第三距離，確定所述訓練樣本的人臉姿態角粗標簽中的偏航角；

根據所述左嘴角的坐標、所述右嘴角的坐標和所述鼻尖的坐標，確定第二目標點的坐標；

根據所述鼻尖的坐標、所述第一目標點的坐標和所述第二目標點的坐標，計算得到第四距離、第五距離和第六距離；其中，所述第四距離為所述第一目標點與所述第二目標點之間的距離，所述第五距離為所述鼻尖與所述第一目標點之間的距離，所述第六距離為所述鼻尖與所述第二目標點之間的距離；

根據所述第四距離、所述第五距離和所述第六距離，確定所述訓練樣本的人臉姿態角粗標簽中的俯仰角；

所述根據所述人臉姿態角粗標簽和預設的候選姿態角集合，獲取所述訓練樣本的人臉姿態角的聯合概率分布，包括：

根據所述人臉姿態角粗標簽中的俯仰角和偏航角，生成均值向量；

根據預設的標量參數和二維單位矩陣，生成協方差矩陣；

根據預設的候選姿態角集合，生成二維的自變量集合；其中，所述二維的自變量集合包括若干二維的自變量，所述二維的自變量由所述候選姿態角集合中的兩個候選姿態角組成；

根據所述均值向量、所述協方差矩陣和所述二維的自變量集合，計算得到所述訓練樣本的人臉姿態角的聯合概率分布。

2.根據權利要求1所述的模型訓練方法，其特征在于，通過以下公式，根據所述均值向量、所述協方差矩陣和所述二維的自變量集合，計算得到所述訓練樣本的人臉姿態角的聯合概率分布：

R_mn＝(r_m，r_n)，m＝1，2，3，…，N.n＝1，2，3，…，N

v＝[yaw，pitch]

s＝b²I

其中，L為所述訓練樣本的人臉姿態角的聯合概率分布，s為所述協方差矩陣，b為預設的標量參數，I為二維單位矩陣，v為所述均值向量，yaw為所述人臉姿態角粗標簽中的偏航角，pitch為所述人臉姿態角粗標簽中的俯仰角，R_mn為所述二維的自變量，r_m為第m個候選姿態角，r_n為第n個候選姿態角。