[發明專利]一種用于提取人體骨骼特征的模型訓練方法及裝置

在審

• 申請號: 202111351423.4
• 申請日: 2021-11-15
• 公開（公告）號: CN114241514A
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 何嘉斌;劉廷曦;翁仁亮
• 申請（專利權）人: 北京愛筆科技有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V40/20;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 柳虹

本申請公開了一種用于提取人體骨骼特征的模型訓練方法，包括：獲取M個骨骼數據集合，所述M個骨骼數據集合中的每個骨骼數據集合分別對應一種數據維度，每個所述骨骼數據集合中均包括N筆骨骼數據，所述骨骼數據集合中的N筆骨骼數據與N筆初始骨骼數據一一對應。所述骨骼數據集合中的N筆骨骼數據與N筆初始骨骼數據一一對應。而后，根據所述M個骨骼數據集合，訓練用于提取人體骨骼特征的模型。在訓練模型時，對第一初始骨骼數據的損失的計算方式進行了改進，改進后的損失計算方式，考慮了所述第一初始骨骼數據在所述M個數據維度分別對應的損失，使得所計算得到的第一初始骨骼數據的損失更加容易收斂，從而提升了模型的訓練效率。

技術領域

本申請涉及數據處理領域，特別是涉及一種用于提取人體骨骼特征的模型訓練方法及裝置。

背景技術

目前，可以通過自監督訓練的方式訓練用于提取人體骨骼特征的模型。其中，自監督訓練指的是訓練模型的過程中不使用訓練樣本的人為標注的標簽。

在一些場景中，可以利用自監督訓練的方式，訓練用于提取人體骨骼特征的模型。但是，采用自監督訓練的方式訓練用于提取人體骨骼特征的模型，訓練效率低下。因此，急需一種方案，能夠解決上述問題。

發明內容

本申請所要解決的技術問題是：采用對比學習的方式訓練用于提取人體骨骼特征的模型，訓練效率低下，提供一種用于提取人體骨骼特征的模型訓練方法及裝置。

第一方面，本申請實施例提供了一種用于提取人體骨骼特征的模型訓練方法，所述方法包括：

獲取M個骨骼數據集合，所述M個骨骼數據集合中的每個骨骼數據集合分別對應一種數據維度，每個所述骨骼數據集合中均包括N筆骨骼數據，所述骨骼數據集合中的N筆骨骼數據與N筆初始骨骼數據一一對應，M為大于1的整數，N為大于或者等于1的整數；

根據所述M個骨骼數據集合，訓練用于提取人體骨骼特征的模型；其中：

所述模型的損失，基于所述N筆初始骨骼數據的損失確定，所述N筆初始骨骼數據包括第一初始骨骼數據，所述第一初始骨骼數據的損失，根據所述第一初始骨骼數據在所述M個數據維度分別對應的損失確定。

可選的，所述根據所述M個骨骼數據集合，訓練用于提取人體骨骼特征的模型，包括：

采用第一數據增強方式對所述M個骨骼數據集合中的N筆骨骼數據進行處理，得到M個第一訓練數據集合，其中，一個所述骨骼數據集合對應一個第一訓練數據集合，一個所述第一訓練數據集合包括N組訓練數據；采用第二數據增強方式對所述M個骨骼數據集合中的N筆骨骼數據進行處理，得到M個第二訓練數據集合，其中，一個所述骨骼數據集合對應一個第二訓練數據集合，一個所述第二訓練數據集合包括N組訓練數據；

基于所述M個第一訓練數據集合和所述M個第二訓練數據集合，訓練用于提取人體骨骼特征的模型；其中：

所述M個數據維度包括第一維度，所述第一維度對應的第一訓練數據集合經由所述模型，得到第一維度對應的第一骨骼特征集合，所述第一維度對應的第二訓練數據集合經由所述模型，得到第一維度對應的第二骨骼特征集合，所述第一骨骼特征集合和所述第二骨骼特征集合分別包括N個特征，所述N個特征與所述N筆初始骨骼數據一一對應。

可選的，所述第一初始骨骼數據在第一維度的損失，根據第一損失和/或第二損失確定，其中：

所述第一損失根據第一骨骼特征和第二骨骼特征的第一相似度、所述第一相似度的第一權重、所述第一骨骼特征和2*N個骨骼特征中的每個骨骼特征的相似度的第二權重以及每個第二權重對應的多維度融合相似度確定，所述第一骨骼特征為所述第一維度對應的第一骨骼特征集合中與所述第一初始骨骼數據對應的骨骼特征，所述第二骨骼特征為所述第一維度對應的第二骨骼特征集合中與所述第一初始骨骼數據對應的骨骼特征，所述2*N個骨骼特征包括：所述第一維度對應的第一骨骼特征集合和所述第一維度對應的第二骨骼特征集合；