[发明专利]图像标志点识别模型训练方法和装置

权利要求书

1.一种图像标志点识别模型训练方法，其特征在于，所述方法包括：

获取多张训练图像，各所述训练图像包含多个标记点，各所述标记点具有原始坐标；

针对每张训练图像，基于高斯金字塔结构获得该训练图像的多张不同分辨率的图像块，并获得各所述图像块对应的特征图；

将各所述特征图导入构建的多层神经网络模型，基于各所述特征图中标记点的原始坐标以及模型输出的坐标信息构建的损失函数对模型进行训练，直至所述损失函数达到收敛时，得到基于所述多层神经网络模型训练得到的识别模型。

2.根据权利要求1所述的图像标志点识别模型训练方法，其特征在于，所述基于高斯金字塔结构获得该训练图像的多张不同分辨率的图像块的步骤之前，所述方法还包括：

针对各所述训练图像，对所述训练图像中所有像素点的像素值进行归一化处理，以使归一化后各像素点的像素值处于预设像素分布范围内。

3.根据权利要求1所述的图像标志点识别模型训练方法，其特征在于，所述针对每张训练图像，基于高斯金字塔结构获得该训练图像的多张不同分辨率的图像块的步骤，包括：

针对每张训练图像，基于高斯金字塔结构获得该训练图像对应的不同分辨率、不同尺寸的多张处理图像；

针对各所述处理图像，基于所述处理图像中的标记点的位置信息以标记点为中心按预设统一尺寸进行裁剪，得到多张处理图像处理后的多张不同分辨率的图像块。

4.根据权利要求3所述的图像标志点识别模型训练方法，其特征在于，各所述训练图像中的标记点按照统一标识方式进行编号标记；

所述基于所述处理图像中的标记点的位置信息以标记点为中心按预设统一尺寸进行裁剪的步骤，包括：

针对每张训练图像中的每个标记点，基于所述多张训练图像中与其具有相同编号的标记点的原始坐标，计算具有该编号的标记点的平均坐标；

基于处理图像中各标记点的平均坐标以标记点为中心按预设统一尺寸进行裁剪。

5.根据权利要求1所述的图像标志点识别模型训练方法，其特征在于，所述获得各所述图像块对应的特征图的步骤，包括：

将获得的各所述图像块导入构建的改进人体姿态识别模型，该改进人体姿态识别模型包括多个并行的子网络，多个子网络具有统一的输入通道，多个子网络之间具有跨层连接通道；

利用多个子网络对不同分辨率的图像块进行处理，并在不同分辨率的图像块之间进行融合，得到具有融合后的分辨率的图像块；

将具有融合处理的分辨率的图像块以及原有的多个不同分辨率的图像块分别处理为设定尺寸的特征图并输出。

6.根据权利要求1所述的图像标志点识别模型训练方法，其特征在于，所述多层神经网络模型包括第一模型和第二模型，所述第一模型包含多个通道，各所述特征图对应各所述通道；

所述将各所述特征图导入构建的多层神经网络模型，基于各所述特征图中标记点的原始坐标以及模型输出的坐标信息构建的损失函数对模型进行训练的步骤，包括：

将各所述特征图导入构建的第一模型，利用对应的通道按照所具有的权重对各所述特征图进行处理，得到按不同权重融合处理后的融合图；

将所述融合图导入构建的第二模型进行训练，并在基于所述融合图中标记点的原始坐标以及输出的坐标信息构建的损失函数的指导下，对所述第一模型中各通道的权重进行调整、对所述第二模型的模型参数进行调整后继续训练，直至所述损失函数达到收敛。

7.根据权利要求1所述的图像标志点识别模型训练方法，其特征在于，所述损失函数基于标记点的原始坐标以及模型输出的坐标信息之间的差值的绝对值所构建得到。

8.根据权利要求1所述的图像标志点识别模型训练方法，其特征在于，各所述标记点的原始坐标为以其所在的训练图像的中心点为原点所构建的坐标系中的坐标。