[发明专利]一种用于关键点检测的图像处理方法、网络和电子设备

权利要求书

1.一种用于关键点检测的图像处理方法，其特征在于，所述方法包括：

对待检测关键点的图像进行特征提取，得到第一特征图；所述第一特征图的尺寸为[b,c1,h,w]，其中，b为样本数量，c1为第一通道数，h为特征图高度，w为特征图宽度；

对所述第一特征图的第一通道数进行调整，得到第二特征图；所述第二特征图的尺寸为[b,c2*N,h,w]，其中，c2*N为第二通道数，N为关键点的个数；

对所述第二特征图进行组卷积和组归一化，得到第三特征图，所述第三特征图的尺寸为[b,N,h,w]；所述组卷积和组归一化的过程中每个分组的卷积和归一化相互独立，且每个分组对应一个关键点；所述第三特征图由多个关键点概率图构成，且所述第三特征图中每个通道对应一个关键点。

2.根据权利要求1所述的方法，其特征在于，所述对待检测关键点的图像进行特征提取，得到第一特征图包括：

通过骨干网络对待检测关键点的图像进行特征提取，得到第一特征图。

3.根据权利要求2所述的方法，其特征在于，

所述骨干网络为HRNet。

4.根据权利要求1所述的方法，其特征在于，所述对所述第一特征图的第一通道数进行调整，得到第二特征图包括：

将所述第一特征图依次进行卷积、批归一化和线性整流，得到第二特征图；其中，所述卷积对应的卷积核数与所述第二通道数相同。

5.根据权利要求1所述的方法，其特征在于，所述对所述第二特征图进行组卷积和组归一化包括：

对所述第二特征图进行分组，每个分组对应的特征图的尺寸为[b,c2,h,w]，分组数量与所述关键点的个数相同；

对不同分组并行操作，且针对每个分组，依次进行卷积和归一化。

6.根据权利要求5所述的方法，其特征在于，所述针对每个分组，依次进行卷积和归一化，包括：

对每个分组依次进行多次卷积，并在最后一次卷积后进行归一化，得到每个分组的关键点概率图。

7.根据权利要求6所述的方法，其特征在于，c2为32，每个分组的通道数为32，所述对每个分组依次进行多次卷积包括：6次卷积，且6次卷积对应的通道数变化为：

第1次卷积，通道32不变；

第2次卷积，通道数由32变化为16；

第3次卷积，通道数16不变；

第4次卷积，通道数由16变化为8；

第5次卷积，通道数8不变；

第6次卷积，通道数由8变化为1。

8.一种用于关键点检测的图像处理网络，其特征在于，所述图像处理网络包括：骨干网络、通道调整网络和分组处理网络；

所述骨干网络，用于对待检测关键点的图像进行特征提取，得到第一特征图；所述第一特征图的尺寸为[b,c1,h,w]，其中，b为样本数量，c1为第一通道数，h为特征图高度，w为特征图宽度；

所述通道调整网络，用于对所述第一特征图的第一通道数进行调整，得到第二特征图；所述第二特征图的尺寸为[b,c2*N,h,w]，其中，c2*N为第二通道数，N为关键点的个数；

所述分组处理网络，用于对所述第二特征图进行组卷积和组归一化，得到第三特征图，所述第三特征图的尺寸为[b,N,h,w]；所述组卷积和组归一化的过程中每个分组的卷积和归一化相互独立，且每个分组对应一个关键点；所述第三特征图由多个关键点概率图构成，且所述第三特征图中每个通道对应一个关键点。

9.一种电子设备，其特征在于，包括：处理器和存储器；

所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至7任一项所述方法的步骤。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至7任一项所述方法的步骤。