[发明专利]关键点检测模型的训练方法、装置及存储介质

权利要求书

1.一种关键点检测模型的训练方法，其特征在于，所述方法包括：

获取面部图像和所述面部图像的标注数据，所述标注数据包括预先标注的各个面部关键点的坐标数据；

针对每个所述面部关键点，获取经过该面部关键点的目标轮廓曲线，并确定所述目标轮廓曲线在该面部关键点处的切线方向和法线方向，以所述切线方向作为椭圆高斯核的长轴方向，以所述法线方向作为所述椭圆高斯核的短轴方向，以该面部关键点的坐标数据作为所述椭圆高斯核的中心点坐标生成该面部关键点对应的椭圆高斯热图；

采用所述面部图像和所述面部图像对应的各张所述椭圆高斯热图对初始检测模型进行迭代训练，直至所述初始检测模型满足预设的训练完成条件并得到关键点检测模型。

2.根据权利要求1所述的关键点检测模型的训练方法，其特征在于，所述以所述切线方向作为椭圆高斯核的长轴方向，以所述法线方向作为所述椭圆高斯核的短轴方向，以该面部关键点的坐标数据作为所述椭圆高斯核的中心点坐标生成该面部关键点对应的椭圆高斯热图的步骤，包括：

计算圆形高斯核的核半径；

分别计算预设的第一系数与所述核半径之间的第一乘积，以及预设的第二系数与所述核半径之间的第二乘积；所述第一系数大于1，所述第二系数为小于1的正数；

以所述切线方向作为椭圆高斯核的长轴方向，以所述第一乘积作为所述椭圆高斯核的半长轴，以所述法线方向作为所述椭圆高斯核的短轴方向，以所述第二乘积作为所述椭圆高斯核的半短轴，并以该面部关键点的坐标数据作为所述椭圆高斯核的中心点坐标生成该面部关键点对应的椭圆高斯热图。

3.根据权利要求2所述的关键点检测模型的训练方法，其特征在于，所述第一系数为1.25，所述第二系数为0.75。

4.根据权利要求1所述的关键点检测模型的训练方法，其特征在于，所述标注数据还包括每个所述面部关键点的标注遮挡属性，所述初始检测模型包括热图生成网络；

所述采用所述面部图像和所述面部图像对应的各张所述椭圆高斯热图对初始检测模型进行迭代训练，直至所述初始检测模型的输出满足预设的训练完成条件并得到关键点检测模型的步骤，包括：

针对每个所述面部关键点，若该面部关键点的标注遮挡属性反映该面部关键点被遮挡，则以预设的第一权重或预设的第二权重作为该面部关键点对应的通道损失权重，否则，以预设的第三权重作为该面部关键点对应的通道损失权重；所述第一权重和所述第二权重均小于所述第三权重；

在每轮次模型训练中，将所述面部图像输入至所述初始检测模型中，并分别获取由所述热图生成网络生成的预测高斯热图，根据各张所述椭圆高斯热图、各个所述通道损失权重和本轮次生成的各张所述预测高斯热图，确定本轮次模型训练对应的总损失值，若本轮次模型训练对应的总损失值不满足所述训练完成条件，则调整所述初始检测模型的模型参数并进入下一轮次的模型训练，否则，得到所述关键点检测模型。

5.根据权利要求4所述的关键点检测模型的训练方法，其特征在于，所述初始检测模型还包括遮挡检测网络；

所述根据各张所述椭圆高斯热图、各个所述通道损失权重和本轮次生成的各张所述预测高斯热图，确定本轮次模型训练对应的总损失值的步骤，包括：

基于各张所述椭圆高斯热图、各个所述通道损失权重和本轮次生成的各张所述预测高斯热图，计算本轮次模型训练对应的热图损失值；

分别获取由所述遮挡检测网络生成的每个所述面部关键点的检测遮挡属性，并根据各个所述标注遮挡属性和本轮次生成的各个所述检测遮挡属性，计算本轮次模型训练对应的遮挡检测损失值；

根据本轮次模型训练对应的热图损失值和本轮次模型训练对应的遮挡检测损失值，确定本轮次模型训练对应的总损失值。

6.根据权利要求5所述的关键点检测模型的训练方法，其特征在于，所述基于各张所述椭圆高斯热图、各个所述通道损失权重和本轮次生成的各张所述预测高斯热图，计算本轮次模型训练对应的热图损失值的步骤，包括：

以Wing Loss函数作为损失函数，基于各张所述椭圆高斯热图、各个所述通道损失权重和本轮次生成的各张所述预测高斯热图，计算本轮次模型训练对应的热图损失值。