[发明专利]对象关键点的检测模型训练的相关方法、装置、设备

说明书

本申请公开了对象关键点的检测模型训练的相关方法、装置、设备，其中，对象关键点的检测模型训练方法包括：获取到样本图片，将样本图片输入到检测模型中，得到样本图片的初始特征图；其中，样本图片中包括样本对象；基于初始特征图生成样本图片对应的第一热图；基于标准检测结果与第一热图生成第二热图；基于标准检测结果以及第一热图和/或第二热图对检测模型进行训练，得到训练后的检测模型。上述方案，能够提高对象关键点的检测精度。

技术领域

本申请涉及关键点检测的技术领域，特别是涉及对象关键点的检测模型训练的相关方法、装置、设备。

背景技术

随着科学技术的高速发展，智能识别技术在国民的日常生活中应用得越来越广泛。例如，人脸识别在安保防护场景中具备十分重大的意义，而车辆识别在交通道路领域中也逐步得到应用。

而各种智能识别技术基本都依赖于对目标对象的关键点进行检测，以作为智能识别技术的基础性技术。同时一个好的对象关键点检测算法也对各识别场景起着至关重要的作用。

但目前对象关键点的检测精度不高，难以支持各识别场景中的应用。

发明内容

本申请提供了对象关键点的检测模型训练的相关方法、装置、设备，以解决现有技术中存在的对象关键点的检测精度较低的问题。

本申请提供了一种对象关键点的检测模型训练方法，包括：获取到样本图片，将样本图片输入到检测模型中，得到样本图片的初始特征图；其中，样本图片中包括样本对象；基于初始特征图生成样本图片对应的第一热图；基于标准检测结果与第一热图生成第二热图；基于标准检测结果以及第一热图和/或第二热图对检测模型进行训练，得到训练后的检测模型。

其中，标准检测结果包括标准坐标结果以及标准分类结果；基于初始特征图生成样本图片对应的第一热图的步骤包括：将初始特征图输入到检测模型的第一沙漏网络中进行特征处理，得到包括多个通道的第一热图；其中，各通道对应包括各关键点的初始特征值；基于标准检测结果与第一热图生成第二热图的步骤包括：利用标准分类结果将第一热图的初始特征值进行融合；将融合后的第一热图输入到检测模型的第二沙漏网络中再次进行特征处理，得到包括多个通道的第二热图；其中，各通道对应包括各关键点的特征值。

其中，对象包括车辆，标准分类结果包括可见关键点、不可见关键点或遮挡关键点；利用标准分类结果将第一热图的初始特征值进行融合的步骤包括：基于标准分类结果增大第一热图中可见关键点的初始特征值，以及缩小不可见关键点以及遮挡关键点的初始特征值。

其中，基于标准检测结果以及第一热图和/或第二热图对检测模型进行训练，得到训练后的检测模型的步骤包括：将第一热图中各通道的特征值和/或第二热图中各通道的特征值与标准坐标结果对应的热图中的特征值进行逐像素多类交叉熵损失，以对检测模型进行训练。

其中，获取到样本图片的步骤还包括：接收人工对样本图片进行处理，得到标准检测结果；或接收检测模型对样本图片进行处理，得到标准检测结果的标准分类结果；以及接收人工对样本图片进行处理，得到标准检测结果的标准坐标结果。

其中，接收检测模型对样本图片的处理，得到标准检测结果的步骤包括：接收人工处理后的训练图片，获取训练图片的标准分类结果；通过检测模型的分类网络对训练图片上对象的各关键点进行分类，得到各关键点的分类结果；基于训练图片的标准分类结果以及分类结果对检测模型的分类网络进行训练，得到训练后的分类网络；通过训练后的分类网络对样本图片进行分类处理，得到样本图片的标准分类结果。

其中，将样本图片输入到检测模型中，得到样本图片的初始特征图的步骤包括：通过检测模型的特征提取网络对样本图片进行卷积处理以及池化处理，得到初始特征图。

其中，将样本图片输入到检测模型中，得到样本图片的初始特征图的步骤之前包括：基于样本对象在样本图片中的位置对样本图片进行裁剪；对裁剪后的样本图片进行尺寸调整，得到预处理后的样本图片。