[發明專利]圖像檢測模型的訓練方法、圖像檢測方法、裝置及設備

在審

• 申請號: 202111430979.2
• 申請日: 2021-11-29
• 公開（公告）號: CN116206167A
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 秦陳陳;吳大盛;姚建華
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06T7/60;G06T7/00;G06N3/045;G06N3/0464;G06N3/08
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 李文靜

1.一種圖像檢測模型的訓練方法，其特征在于，所述方法包括：

獲取樣本圖像以及所述樣本圖像的標注幾何圖形參數，所述樣本圖像的標注幾何圖形參數是通過標注得到的所述樣本圖像中的幾何圖形的參數信息；

根據第一網絡模型獲取所述樣本圖像的預測幾何圖形參數，所述樣本圖像的預測幾何圖形參數是通過預測得到的所述樣本圖像中的幾何圖形的參數信息；

基于所述樣本圖像的標注幾何圖形參數和所述預測幾何圖形參數，對所述第一網絡模型進行調整，得到圖像檢測模型。

2.根據權利要求1所述的方法，其特征在于，所述根據第一網絡模型獲取所述樣本圖像的預測幾何圖形參數，包括：

根據所述第一網絡模型獲取所述樣本圖像的預測關鍵點熱圖，所述樣本圖像的預測關鍵點熱圖是通過預測得到的所述樣本圖像的至少一個關鍵點的熱圖；

基于所述樣本圖像的預測關鍵點熱圖獲取所述樣本圖像的預測幾何圖形參數。

3.根據權利要求2所述的方法，其特征在于，所述根據所述第一網絡模型獲取所述樣本圖像的預測關鍵點熱圖，包括：

根據所述第一網絡模型獲取所述樣本圖像的下采樣特征圖，所述樣本圖像的下采樣特征圖包括所述樣本圖像的語義信息；

基于所述樣本圖像的下采樣特征圖確定所述樣本圖像的空間特征圖，所述樣本圖像的空間特征圖包括所述樣本圖像的空間位置信息；

基于所述樣本圖像的空間特征圖確定所述樣本圖像的預測關鍵點熱圖。

4.根據權利要求2所述的方法，其特征在于，所述基于所述樣本圖像的預測關鍵點熱圖獲取所述樣本圖像的預測幾何圖形參數，包括：

基于所述樣本圖像的預測關鍵點熱圖確定所述樣本圖像的至少一個關鍵點；

基于各個關鍵點的位置信息，從所述至少一個關鍵點中篩選出目標關鍵點；

基于所述目標關鍵點確定所述樣本圖像的預測幾何圖形參數。

5.根據權利要求4所述的方法，其特征在于，所述基于各個關鍵點的位置信息，從所述至少一個關鍵點中篩選出目標關鍵點，包括：

確定所述樣本圖像中的目標區域的尺寸信息和所述目標區域的中心點的位置信息；

基于所述中心點的位置信息以及所述各個關鍵點的位置信息，確定所述各個關鍵點對應的距離信息，任一個關鍵點對應的距離信息是所述中心點與所述任一個關鍵點之間的距離信息；

基于所述目標區域的尺寸信息和所述各個關鍵點對應的距離信息，從所述至少一個關鍵點中篩選出目標關鍵點。

6.根據權利要求5所述的方法，其特征在于，所述基于所述目標區域的尺寸信息和所述各個關鍵點對應的距離信息，從所述至少一個關鍵點中篩選出目標關鍵點，包括：

對于任一個關鍵點，確定所述目標區域的尺寸信息和所述任一個關鍵點對應的距離信息的比值，所述比值表征所述目標區域與所述任一個關鍵點之間的距離關系；

從所述至少一個關鍵點中篩選出所述比值不大于比值閾值的目標關鍵點。

7.根據權利要求2至6任一所述的方法，其特征在于，所述基于所述樣本圖像的標注幾何圖形參數和所述預測幾何圖形參數，對所述第一網絡模型進行調整，得到圖像檢測模型，包括：

獲取所述樣本圖像的標注關鍵點熱圖，所述樣本圖像的標注關鍵點熱圖是通過標注得到的所述樣本圖像的至少一個關鍵點的熱圖；

基于所述樣本圖像的標注幾何圖形參數、所述預測幾何圖形參數、所述標注關鍵點熱圖以及所述預測關鍵點熱圖，對所述第一網絡模型進行調整，得到圖像檢測模型。