[发明专利]一种模型训练方法、装置、设备及存储介质

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取用于训练初始网络模型的样本特征，将所述样本特征中的样本顶点拼接特征输入所述初始网络模型中的第一网络，由所述第一网络输出所述样本顶点拼接特征对应的顶点隐藏特征；所述样本特征是由具有样本标签的样本服饰网格所确定的；所述样本标签用于指示所述样本服饰网格的样本顶点与样本骨骼关节之间的样本关节权重；所述初始网络模型包括所述第一网络、第二网络以及第三网络；所述第二网络包括第一分支网络、第二分支网络和第三分支网络；

将所述顶点隐藏特征输入所述第一分支网络，由所述第一分支网络对所述顶点隐藏特征进行全局特征提取，得到所述样本服饰网格的全局信息特征；

将所述样本特征中的样本邻接矩阵和所述顶点隐藏特征输入所述第二分支网络，由所述第二分支网络对所述样本邻接矩阵和所述顶点隐藏特征进行局部特征提取，得到所述样本顶点之间的局部信息特征；

将所述顶点隐藏特征输入所述第三分支网络，由所述第三分支网络对所述顶点隐藏特征进行近邻特征提取，得到所述样本顶点的近邻信息特征；

对所述全局信息特征、所述局部信息特征以及所述近邻信息特征进行特征拼接，得到所述第二网络的拼接信息特征，将所述拼接信息特征输入所述第三网络，通过所述第三网络得到所述样本顶点与所述样本骨骼关节之间的预测关节权重，将所述预测关节权重作为所述样本服饰网格的预测标签；

基于所述样本标签和所述预测标签，对所述初始网络模型进行迭代训练，得到用于预测目标关节权重的目标网络模型。

2.根据权利要求1所述的方法，其特征在于，所述获取用于训练初始网络模型的样本特征，将所述样本特征中的样本顶点拼接特征输入所述初始网络模型中的第一网络，由所述第一网络输出所述样本顶点拼接特征对应的顶点隐藏特征，包括：

在获取到具有样本标签的样本服饰网格时，构建所述样本服饰网格对应的图拓扑结构数据；所述图拓扑结构数据包括所述样本服饰网格的样本顶点以及与所述样本顶点相关联的样本邻接矩阵；

基于所述样本顶点的顶点位置信息以及所述样本顶点所属网格平面的法向量信息，确定所述样本顶点的顶点基础特征；

获取分布在所述样本服饰网格中的骨骼结构对应的样本骨骼关节，确定所述样本顶点与所述样本骨骼关节之间的欧氏距离特征；

将所述顶点基础特征与所述欧氏距离特征进行拼接处理，得到样本顶点拼接特征，且将所述样本顶点拼接特征与所述样本邻接矩阵作为用于训练初始网络模型的样本特征；

将所述样本特征中的所述样本顶点拼接特征输入所述初始网络模型中的第一网络，由所述第一网络输出所述样本顶点拼接特征对应的顶点隐藏特征。

3.根据权利要求2所述的方法，其特征在于，所述第一网络包括第一多层感知层以及第一近邻特征学习层；

所述将所述样本特征中的所述样本顶点拼接特征输入所述初始网络模型中的第一网络，由所述第一网络输出所述样本顶点拼接特征对应的顶点隐藏特征，包括：

将所述样本特征中的所述样本顶点拼接特征输入所述初始网络模型中的第一网络，由所述第一多层感知层对所述样本顶点拼接特征进行特征提取，得到所述样本顶点拼接特征对应的第一提取特征；

由所述第一近邻特征学习层对所述样本顶点拼接特征进行特征提取，得到所述样本顶点拼接特征对应的第二提取特征；

对所述第一提取特征和所述第二提取特征进行叠加处理，将叠加处理后的特征作为所述样本顶点拼接特征对应的顶点隐藏特征。