[发明专利]一种模型训练、信息预测方法及装置

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

获得样本图像和所述样本图像中的基准特征点；

采用信息预测模型对所述样本图像进行特征点和置信度预测，得到所述样本图像中的预测特征点以及所述预测特征点的预测置信度CONF_predict，其中，所述信息预测模型为：在特征点预测模型中增加置信度输出项而得到的模型，所述置信度输出项用于输出所述信息预测模型所预测出特征点的置信度；

计算所述预测特征点相对于所述基准特征点的第一损失LOSS_landmark；

采用LOSS_landmark估算所述基准特征点的基准置信度CONF_groudtruth；

计算CONF_predict相对于CONF_groudtruth的第二损失LOSS_confidence；

根据LOSS_landmark和LOSS_confidence，计算采用信息预测模型对所述样本图像进行特征点和置信度预测过程中产生的总损失LOSS_total；

根据LOSS_total调整所述信息预测模型的网络参数，使得调整参数后的信息预测模型预测出的所述样本图像中特征点的置信度向CONF_groudtruth靠拢，实现对所述信息预测模型的训练；

其中，所述采用LOSS_landmark估算所述基准特征点的基准置信度CONF_groudtruth，包括：

按照预设的第二转换关系，确定LOSS_landmark对应的数值作为所述基准特征点的基准置信度CONF_groudtruth；

其中，所述预设的第二转换关系满足以下条件：

输入值的取值范围为[0，+∞)，输出值的取值范围为(0，1]；

输入值为0时，输出值为1；

输入值趋于+∞时，输出值趋于0；

输出值随输入值增加呈现单调递减的变化趋势。

2.根据权利要求1所述的方法，其特征在于，所述计算所述预测特征点相对于所述基准特征点的第一损失LOSS_landmark，包括：

计算每一所述预测特征点与该预测特征点对应的基准特征点之间的距离之和；

根据所述预测特征点计算损失调整值；

根据计算得到的和值与所述损失调整值，计算所述预测特征点相对于所述基准特征点的第一损失LOSS_landmark。

3.根据权利要求2所述的方法，其特征在于，所述根据计算得到的和值与所述损失调整值，计算所述预测特征点相对于所述基准特征点的第一损失LOSS_landmark，包括：

将计算得到的和值除以所述损失调整值得到的结果确定为所述预测特征点相对于所述基准特征点的第一损失LOSS_landmark。

4.根据权利要求1所述的方法，其特征在于，所述计算CONF_predict相对于CONF_groudtruth的第二损失LOSS_confidence，包括：

对CONF_predict进行归一化处理，获得归一化后的置信度CONF_nomalized；

计算CONF_nomalized相对于CONF_groudtruth的损失，作为第二损失LOSS_confidence。