[发明专利]脖子关键点检测方法及装置、检测模型训练方法及装置

权利要求书

1.一种脖子关键点检测模型训练方法，其特征在于，所述方法包括：

确定样本图中由标注的脖子关键点与参考点决定的直线所具有的实际斜率；所述参考点为脖子区域与衣服接触边缘的中间点；

将所述样本图输入预先构建的脖子关键点检测模型，以由所述脖子关键点检测模型进行学习，并输出脖子关键点；

利用模型输出的脖子关键点、标注的脖子关键点、以及所述实际斜率计算损失值；

在所述损失值大于预设值时，根据所述损失值优化所述脖子关键点检测模型的网络参数，并继续执行将所述样本图输入预先构建的脖子关键点检测模型的过程，直至所述损失值低于预设值结束；

所述利用模型输出的脖子关键点、标注的脖子关键点、以及所述实际斜率计算损失值，包括：

获取模型输出的脖子关键点与标注的脖子关键点之间的位置误差；

根据所述位置误差和所述实际斜率确定损失权重；

确定第一样本图向量信息与第二样本图向量信息之间的欧式距离，所述第一样本图向量信息为携带模型输出的脖子关键点的样本图的向量，所述第二样本图向量信息为携带标注的脖子关键点的样本图的向量；

利用所述损失权重和所述欧式距离计算损失值。

2.根据权利要求1所述的方法，其特征在于，所述确定样本图中由标注的脖子关键点与参考点决定的直线所具有的实际斜率，包括：

获取数据集，所述数据集中的每一样本图均包含用户头像；

针对所述数据集中每一样本图，定位所述样本图中的脖子区域；

检测所述脖子区域与衣服接触边缘的中间点确定为参考点；

在所述样本图上标注脖子关键点，并确定由标注的脖子关键点与所述参考点决定的直线所具有的实际斜率。

3.根据权利要求2所述的方法，其特征在于，在所述样本图上标注脖子关键点之后，所述方法还包括：

对所述数据集中的样本图每进行一种数据增强处理，将处理后的样本图添加到所述数据集中，以扩充所述数据集。

4.根据权利要求2所述的方法，其特征在于，所述在所述样本图上标注脖子关键点，包括：

利用预设斜率确定一条经过所述参考点的直线，所述预设斜率为标注样本前根据实践预先设置的一个斜率；

将所述直线与所述脖子区域边缘之间的交点作为一个脖子关键点标注在所述样本图上；

将所述直线进行水平翻转，并将翻转后的直线与所述脖子区域边缘之间的交点作为另一个脖子关键点标注在所述样本图上；

对所述样本图上标注的脖子关键点进行微调。

5.根据权利要求2所述的方法，其特征在于，所述定位所述样本图中的脖子区域，包括：

将所述样本图输入预设的分割模型，以由所述分割模型对所述样本图进行语义分割；

将语义分割结果为脖子的像素所组成的区域确定为脖子区域。

6.一种脖子关键点检测模型训练装置，其特征在于，所述装置包括：

斜率获取模块，用于确定样本图中由标注的脖子关键点与参考点决定的直线所具有的实际斜率；所述参考点为脖子区域与衣服接触边缘的中间点；

预测模块，用于将所述样本图输入预先构建的脖子关键点检测模型，以由所述脖子关键点检测模型进行学习，并输出脖子关键点；

损失计算模块，用于利用模型输出的脖子关键点、标注的脖子关键点、以及所述实际斜率计算损失值；

参数优化模块，用于在所述损失值大于预设值时，根据所述损失值优化所述脖子关键点检测模型的网络参数，并继续执行所述预测模块的过程，直至所述损失值低于预设值结束；

其中，所述损失计算模块，具体用于获取模型输出的脖子关键点与标注的脖子关键点之间的位置误差；根据所述位置误差和所述实际斜率确定损失权重；确定第一样本图向量信息与第二样本图向量信息之间的欧式距离，所述第一样本图向量信息为携带模型输出的脖子关键点的样本图的向量，所述第二样本图向量信息为携带标注的脖子关键点的样本图的向量；利用所述损失权重和所述欧式距离计算损失值。