[发明专利]用于训练模型的方法和装置

权利要求书

1.一种用于训练模型的方法，包括：

获取训练样本集，其中，所述训练样本集中的训练样本包括头部图像、头部图像中的头部对象的关键点信息和头部图像中的头部对象的姿态类别信息，所述头部图像的姿态类别信息用于指示低头、抬头、侧头中的任一项，所述头部对象的姿态类别信息基于所述头部图像预先标注生成；

利用机器学习算法，将所述训练样本集中的训练样本包括的头部图像作为输入数据，将与输入的头部图像对应的关键点信息和姿态类别信息作为期望输出数据，训练得到关键点及姿态类别确定模型，其中，所述关键点及姿态类别确定模型包括关键点确定子模型和姿态类别确定子模型，所述关键点确定子模型用于确定头部图像中的头部对象的关键点的位置，所述姿态类别确定子模型用于确定头部图像中的头部对象的姿态的类别；

其中，所述关键点及姿态类别确定模型用于对目标头部图像进行处理，得到所述目标头部图像中的头部对象属于预先确定的姿态类别信息集合中的各个姿态类别信息指示的姿态类别的概率，和所述目标头部图像中的头部对象的关键点信息，以确定所述目标头部图像中的头部对象的最终关键点信息。

2.根据权利要求1所述的方法，其中，所述利用机器学习算法，将所述训练样本集中的训练样本包括的头部图像作为输入数据，将与输入的头部图像对应的关键点信息和姿态类别信息作为期望输出数据，训练得到关键点及姿态类别确定模型，包括：

获取初始模型，其中，初始模型包括第一子模型、第二子模型和第三子模型；

利用机器学习算法，将所述训练样本集中的训练样本包括的头部图像作为第一子模型的输入数据，得到第一子模型的实际输出数据，将第一子模型的实际输出数据作为第二子模型和第三子模型的输入数据，分别得到第二子模型和第三子模型的实际输出数据，基于第二子模型和第三子模型的实际输出数据和期望输出数据，调整初始模型的参数，得到训练完成的初始模型，以及将训练完成的初始模型确定为关键点及姿态类别确定模型，其中，第二子模型的期望输出数据为训练样本的关键点信息，第三子模型的期望输出数据为训练样本的姿态类别信息；

将训练完成的初始模型包括的第一子模型和第二子模型确定为关键点确定子模型，以及将训练完成的初始模型包括的第一子模型和第三子模型确定为姿态类别确定子模型。

3.一种用于生成信息的方法，包括：

获取目标头部图像；

将所述目标头部图像输入至预先训练的关键点及姿态类别确定模型包括的关键点确定子模型，生成所述目标头部图像中的头部对象的关键点信息，其中，所述关键点及姿态类别确定模型是通过如权利要求1-2之一所述的方法训练得到的。

4.根据权利要求3所述的方法，其中，所述将所述目标头部图像输入至预先训练的关键点确定子模型，得到所述目标头部图像中的头部对象的关键点信息，包括：

将所述目标头部图像输入至预先训练的关键点及姿态类别确定模型包括的关键点确定子模型和姿态类别确定子模型，得到所述目标头部图像中的头部对象属于预先确定的姿态类别信息集合中的各个姿态类别信息指示的姿态类别的概率，以及所述目标头部图像中的头部对象的关键点信息；

基于所得到的概率和关键点信息，确定所述目标头部图像中的头部对象的最终关键点信息。

5.根据权利要求4所述的方法，所述基于所得到的概率和关键点信息，确定所述目标头部图像中的头部对象的最终关键点信息，包括：

确定所得到的各个概率中最大的概率是否大于或等于预先确定的概率阈值；

响应于所述最大的概率大于或等于所述概率阈值，将所得到的关键点信息确定为所述目标头部图像中的头部对象的最终关键点信息。