[发明专利]无监督特征点检测方法及装置

权利要求书

1.一种无监督特征点检测方法，其特征在于，包括：

利用编码器网络对训练图像提取特征，得到K个通道的特征图，归一化后生成特征点位置概率分布图；

对所述概率分布图求解质心后，基于所述质心对概率分布图进行高斯重构；

将高斯重构后特征图，输入解码器网络得到输出图像，根据输入图像、输出图像、概率分布图和高斯重构后特征图，确定预设损失函数的损失值；根据多次训练结果，得到损失函数最小时的编码器网络；

基于训练后的编码器网络，确定待检测图像的K个特征点位置。

2.根据权利要求1所述的无监督特征点检测方法，其特征在于，所述对所述概率分布图求解质心，包括：

其中，为空间归一化因子，W′,H′分别为概率分布图宽和高，d_k,i,j为概率分布图的特征值。

3.根据权利要求1所述的无监督特征点检测方法，其特征在于，所述基于所述质心对概率分布图进行高斯重构，包括：

其中，δ为预设的标准差，x_k和y_k为质心坐标，u_k,i,j和v_k,i,j分别为概率分布图的坐标。

4.根据权利要求1所述的无监督特征点检测方法，其特征在于，所述预设损失函数为：

L＝ω₁L_self+ω₂L_norm；

其中，ω₁和ω₂为两个约束函数之间调节的权重，I为输入编码器网络之前的图像，I′为解码器网络输出的图像。

5.根据权利要求1所述的无监督特征点检测方法，其特征在于，所述编码器网络和所述解码器网络为对应的卷积神经网络。

6.根据权利要求1所述的无监督特征点检测方法，其特征在于，所述方法还包括：根据所述特征点位置概率分布图和高斯重构后特征图，确定待检测图像的特征点检测置信度。

7.根据权利要求6所述的无监督特征点检测方法，其特征在于，所述根据所述特征点位置概率分布图和高斯重构后特征图，确定待检测图像的特征点检测置信度，包括：

a_k＝exp(-ω₃‖d_k-g_k‖²)；

其中，a_k为第k个特征点的置信度，ω₃为预设权重，d_k和g_k分别为特征点在概率分布图和高斯重构后特征图的特征值。

8.一种无监督特征点检测装置，其特征在于，包括：

特征提取模块，用于利用编码器网络对训练图像提取特征，得到K个通道的特征图，归一化后生成特征点位置概率分布图；

高斯重构模块，用于对所述概率分布图求解质心后，基于所述质心对概率分布图进行高斯重构；

无监督训练模块，用于将高斯重构后特征图，输入解码器网络得到输出图像，根据输入图像、输出图像、概率分布图和高斯重构后特征图，确定预设损失函数的损失值，根据多次训练结果，得到损失函数最小时的编码器网络；

特征点检测模块，用于基于训练后的编码器网络，确定待检测图像的K个特征点位置。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述无监督特征点检测方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述无监督特征点检测方法的步骤。