[发明专利]用于训练模型的方法和装置

说明书

本发明的实施例公开了用于训练模型的方法和装置，以及用于生成信息的方法和装置。该用于训练模型的方法的一具体实施方式包括：获取训练样本集，其中，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；利用机器学习算法，将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，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。该实施方式丰富了模型的训练方式，有助于基于训练得到的模型提高头部关键点的定位准确性。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于训练模型的方法和装置，以及用于生成信息的方法和装置。

背景技术

在图像处理领域，关键点本质上是一种图像的特征。现有技术中，存在着很多关键点检测的应用场景。实践中，在人脸关键点检测任务当中，有28、64或128等数量个关键点。其中，每个关键点在不同的人脸当中，代表了一类的特征，且具有一定的通用性。这一类特征不仅包含了像素的一些特性，比如嘴唇的特征点，还包含了嘴唇与面部的位置关系。

由于关键点检测可以应用于诸多应用场景中，因而，现有技术中，存在提高关键点检测的准确度的需求。

发明内容

本公开提出了用于训练模型的方法和装置，以及用于生成信息的方法和装置。

第一方面，本公开的实施例提供了一种用于训练模型的方法，该方法包括：获取训练样本集，其中，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；利用机器学习算法，将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，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，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，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。

在一些实施例中，利用机器学习算法，将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。

在一些实施例中，头部图像为面部图像，以及头部图像的姿态类别信息用于指示微笑、大笑、哭、生气中的任一项。

在一些实施例中，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。

第二方面，本公开的实施例提供了一种用于生成信息的方法，该方法包括：获取目标头部图像；将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，得到目标头部图像中的头部对象的关键点信息，其中，关键点及姿态类别确定模型是通过如上述用于训练模型的方法中任一实施例的方法训练得到的。