[发明专利]图像关键点检测方法及系统、电子设备、存储介质

权利要求书

1.一种图像关键点检测方法，其特征在于，包括：

获取待处理图像；

将所述待处理图像输入卷积神经网络中，通过所述卷积神经网络对所述待处理图像中的各个像素点进行特征提取，得到多通道特征图；

将所述多通道特征图输入预先训练好的注意力网络模型中，通过所述注意力网络模型计算各个所述像素点相对于所述待处理图像中的其他像素点的重要性权重，并基于所述重要性权重输出注意力机制向量图；其中，所述注意力机制向量图由各个所述像素点的注意力机制向量组成；所述注意力机制向量用于表征所述像素点的重要性；

基于所述注意力机制向量图，从各个所述像素点中确定出关键点。

2.根据权利要求1所述的方法，其特征在于，所述获取待处理图像，包括：

获取原始待处理图像；

利用物体检测算法对所述原始待处理图像进行目标检测，得到所述原始待处理图像中的目标个体；

从所述原始待处理图像中裁剪出包含所述目标个体的区域图像，并将所述区域图像作为所述待处理图像。

3.根据权利要求1所述的方法，其特征在于，所述将所述待处理图像输入卷积神经网络中，通过所述卷积神经网络对所述待处理图像中的各个像素点进行特征提取，得到多通道特征图，包括：

将所述待处理图像输入卷积神经网络中，通过所述卷积神经网络基于预设填充参数以及预设步长，对所述待处理图像中的各个像素点进行特征提取，得到与所述待处理图像尺寸相同的多通道特征图；其中，所述预设填充参数以及预设步长均为1。

4.根据权利要求1所述的方法，其特征在于，所述注意力网络模型计算各个所述像素点相对于所述待处理图像中的其他像素点的重要性权重，并基于所述重要性权重输出注意力机制向量图，包括：

分别利用预先训练得到的查询矩阵、键值矩阵以及信息矩阵对所述多通道特征图进行处理，得到查询隐式矩阵、键值隐式矩阵以及信息隐式矩阵；

计算所述查询隐式矩阵与所述键值隐式矩阵的转置的内积，并对所述内积进行逻辑回归处理，得到权重矩阵；其中，所述权重包括各个所述像素点相对于所述待处理图像中的其他像素点的重要性权重；

计算所述权重矩阵与所述信息隐式矩阵的内积，得到所述注意力机制向量图。

5.根据权利要求1所述的方法，其特征在于，所述基于所述注意力机制向量图，从各个所述像素点中确定出关键点，包括：

将所述注意力机制向量图输入二分类网络中，通过所述二分类网络基于各个所述像素点的注意力机制向量，将各个所述像素点划分为关键点与非关键点；其中，所述二分类网络为预先与所述注意力网络模型间联合训练好的网络。

6.一种图像关键点检测系统，其特征在于，包括：

获取单元，用于获取待处理图像；

特征提取单元，用于将所述待处理图像输入卷积神经网络中，通过所述卷积神经网络对所述待处理图像中的各个像素点进行特征提取，得到多通道特征图；

自注意力单元，用于将所述多通道特征图输入预先训练好的注意力网络模型中，通过所述注意力网络模型计算各个所述像素点相对于所述待处理图像中的其他像素点的重要性权重，并基于所述重要性权重输出注意力机制向量图；其中，所述注意力机制向量图由各个所述像素点的注意力机制向量组成；所述注意力机制向量用于表征所述像素点的重要性；

确定单元，用于基于所述注意力机制向量图，从各个所述像素点中确定出关键点。

7.根据权利要求6所述的系统，其特征在于，所述获取单元，包括：

第一获取单元，用于获取原始待处理图像；

物体检测单元，用于利用物体检测算法对所述原始待处理图像进行目标检测，得到所述原始待处理图像中的目标个体；

裁剪单元，用于从所述原始待处理图像中裁剪出包含所述目标个体的区域图像，并将所述区域图像作为所述待处理图像。