[发明专利]手势检测模型处理方法、装置、设备及存储介质

权利要求书

1.一种手势检测模型处理方法，其特征在于，包括：

获取训练集合，所述训练集合包括至少一组包括训练图像及训练图像的标注数据的训练数据；

根据所述训练集合中各训练图像和训练图像的标注数据，对卷积神经网络进行训练，得到手势检测模型；

将所述手势检测模型中的BN层叠加到对应的卷积层；

所述根据所述训练集合中各训练图像和训练图像的标注数据，对卷积神经网络进行训练，得到手势检测模型，包括：

根据第一训练集对所述卷积神经网络进行一轮训练及剪裁优化处理，得到本轮处理后的第一模型，所述第一训练集为所述训练集合的非空子集；

根据第二训练集判断所述本轮处理后的第一模型是否满足预设迭代条件，所述第二训练集为所述训练集合的非空子集；

若所述本轮处理后的第一模型满足所述预设迭代条件，则根据所述第一训练集对所述本轮处理后的第一模型进行新一轮训练及剪裁优化处理，直至新一轮处理后的第一模型不满足所述预设迭代条件时为止；

若所述本轮处理后的第一模型不满足所述预设迭代条件，则将本轮或者上一轮处理后的第一模型确定为所述手势检测模型；

所述根据所述第一训练集对所述卷积神经网络进行一轮训练及剪裁优化处理，得到本轮处理后的第一模型，包括：

根据所述第一训练集对所述卷积神经网络进行一轮训练，得到本轮训练后的第二模型；

将所述第二模型中所有小于本轮权重阈值的权重设为0，得到所述本轮处理后的第一模型，在后续的训练过程中，将不再更新设为0的权重；

所述方法还包括：

根据应用的嵌入式设备的运算能力和手势检测场景来调整所述手势检测模型的输入图像大小信息；

所述方法还包括：根据所述嵌入式设备的硬件性能对所述卷积神经网络模型中卷积层的Group数量进行调节；

所述根据所述训练集合中各训练图像和训练图像的标注数据，对卷积神经网络进行训练，得到手势检测模型之后，还包括：对所述手势检测模型的权重进行逐层量化处理，存储逐层量化处理后的所述手势检测模型；

所述对所述手势检测模型的权重进行逐层量化处理，存储逐层量化处理后的所述手势检测模型，包括：

针对所述手势检测模型中每一层的权重，确定本层全部权重中的最大值以及最小值，将所述最小值和最大值构成的闭区间等分为预设刻度数量个刻度，其中，每个刻度值为整数；针对各层的每个权重，确定与所述权重距离最近的刻度值，将所述权重对应到距离所述权重最近的刻度上。

2.根据权利要求1所述的方法，其特征在于，所述根据所述训练集合中各训练图像和训练图像的标注数据，对卷积神经网络进行训练，得到手势检测模型之前，还包括：

对所述训练集合中的训练图像进行数据增强处理，得到所述训练图像对应的增强图像；

获取所述增强图像的标注数据；

将所述增强图像和所述增强图像的标注数据作为一组训练数据添加到所述训练集合中。

3.根据权利要求2所述的方法，其特征在于，所述对所述训练集合中的训练图像进行数据增强处理，包括：

对所述训练集合中的训练图像进行以下至少一种数据增强处理：

对所述训练集合中的训练图像进行图像翻转处理；

根据图像变换参数对所述训练集合中的训练图像进行图像变换处理，所述图像变换参数包括以下至少一种：亮度参数、饱和度参数和色度参数；

对所述训练集合中的训练图像进行图像剪裁处理；

以及，

对所述训练集合中的训练图像进行图像缩放处理。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第二训练集判断所述本轮处理后的第一模型是否满足预设迭代条件，包括：

根据第二训练，计算所述本轮处理后的第一模型的手势检测准确率；

若所述本轮处理后的第一模型的手势检测准确率大于预设阈值，则确定所述本轮处理后的第一模型满足预设迭代条件；

若所述本轮处理后的第一模型的手势检测准确率小于或者等于所述预设阈值，则确定所述本轮处理后的第一模型不满足预设迭代条件。