[發明專利]圖像數據處理方法、裝置、設備以及介質

在審

• 申請號: 202111123361.1
• 申請日: 2021-09-24
• 公開（公告）號: CN115862054A
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 徐稀俠;高英國;鄢科;黃飛躍
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/40;G06V10/74;G06V10/764;G06V10/774;G06V10/82;G06N3/0442;G06N3/0464;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

1.一種圖像數據處理方法，其特征在于，包括：

獲取樣本圖像，通過初始圖像識別模型輸出所述樣本圖像對應的第一分類結果，根據所述第一分類結果和所述樣本圖像的樣本卷積特征生成第一激活映射圖；所述第一分類結果是由所述樣本圖像中的樣本對象對應的目標姿態特征所確定的，所述第一激活映射圖用于表征所述樣本對象的關鍵點在所述樣本圖像中的位置信息；

對所述樣本圖像進行數據變換得到變形圖像，通過所述初始圖像識別模型輸出所述變形圖像對應的第二分類結果，根據所述第二分類結果與所述變形圖像的變形卷積特征生成第二激活映射圖；所述第二分類結果是由所述變形圖像中的樣本對象對應的變形姿態特征所確定的，所述第二激活映射圖用于表征所述樣本對象的關鍵點在所述變形圖像中的位置信息；

根據所述第一激活映射圖和所述第二激活映射圖，確定所述初始圖像識別模型的相似性損失結果，根據所述第一分類結果、所述第二分類結果以及所述樣本圖像攜帶的關鍵點類別標簽，確定所述初始圖像識別模型的分類損失結果；

基于所述相似性損失結果和所述分類損失結果，對所述初始圖像識別模型的網絡參數進行修正，生成目標圖像識別模型；所述目標圖像識別模型用于預測源圖像中的關鍵點所對應的對象部件類別和定位結果。

2.根據權利要求1所述的方法，其特征在于，所述通過初始圖像識別模型輸出所述樣本圖像對應的第一分類結果，根據所述第一分類結果和所述樣本圖像的樣本卷積特征生成第一激活映射圖，包括：

將所述樣本圖像輸入至所述初始圖像識別模型，根據所述初始圖像識別模型，獲取所述樣本圖像中的所述樣本對象對應的目標姿態特征；

根據所述初始圖像識別模型中的分類器，對所述目標姿態特征進行識別，得到所述樣本圖像對應的第一分類結果；

獲取所述初始圖像識別模型中的目標卷積層所輸出的針對所述樣本圖像的樣本卷積特征，將所述第一分類結果和所述樣本卷積特征進行乘積運算，得到所述樣本圖像對應的候選激活映射圖；

對所述候選激活映射圖進行上采樣處理，得到與所述樣本圖像具有相同圖像尺寸的第一激活映射圖。

3.根據權利要求2所述的方法，其特征在于，所述根據所述初始圖像識別模型，獲取所述樣本圖像中的所述樣本對象對應的目標姿態特征，包括：

在所述初始圖像識別模型中，獲取所述樣本圖像中的所述樣本對象對應的全局姿態特征，通過所述初始圖像識別模型中的分類器，輸出所述全局姿態特征對應的全局分類結果；

將所述全局分類結果和所述樣本卷積特征進行乘積運算，得到所述樣本圖像對應的全局映射圖，根據所述全局映射圖對所述樣本圖像進行分塊處理，得到M個局部區域圖像；M為正整數；

將所述M個局部區域圖像依次輸入至所述初始圖像識別模型，在所述初始圖像識別模型中獲取所述M個局部區域圖像分別對應的局部姿態特征；

將所述全局姿態特征與所述M個局部區域圖像所對應的局部姿態特征進行特征組合，得到所述樣本圖像中的所述樣本對象對應的目標姿態特征。

4.根據權利要求3所述的方法，其特征在于，所述初始圖像識別模型包括N個殘差組件，每個殘差組件包括一個或多個卷積層，N為正整數；

所述在所述初始圖像識別模型中，獲取所述樣本圖像中的所述樣本對象對應的全局姿態特征，包括：

獲取所述N個殘差組件中的第i個殘差組件的輸入特征；i為1時，所述第i個殘差組件的輸入特征為所述樣本圖像，i為小于N的正整數；

根據所述第i個殘差組件中的一個或多個卷積層，對第i個殘差組件的輸入特征進行卷積運算，得到候選卷積特征；

對所述候選卷積特征和所述第i個殘差組件的輸入特征進行組合，得到所述第i個殘差組件的殘差輸出特征，將所述第i個殘差組件的殘差輸出特征作為第(i+1)個殘差組件的輸入特征；所述第i個殘差組件與所述第(i+1)個殘差組件相連接；

將第N個殘差組件的殘差輸出特征，確定為所述樣本圖像中的所述樣本對象對應的全局姿態特征。