[发明专利]训练模型的方法、装置、设备和介质

权利要求书

1.一种训练模型的方法，其特征在于，包括：

获取第一样本集、第二样本集、n个教师模型和待训练的姿态识别模型，其中，所述第一样本集包括多个已标记样本标签的第一样本图像，所述第二样本集包括多个未标记的第二样本图像，n为不小于2的正整数；

利用所述n个教师模型分别预测每个所述第二样本图像中的关键点，并将n个预测结果作为该第二样本图像的伪标签，得到每个所述第二样本图像对应的n个初始伪标签；

对每个所述第二样本图像对应的n个初始伪标签进行聚合处理，修正该n个初始伪标签中关键点的位置，得到每个所述第二样本图像对应的目标伪标签；

基于所述第一样本集、所述第二样本集以及每个所述第二样本图像对应的目标伪标签，对所述待训练的姿态识别模型进行迭代训练，得到训练后的姿态识别模型。

2.根据权利要求1所述的方法，其特征在于，利用所述n个教师模型分别预测每个所述第二样本图像中的关键点，并将预测结果作为该第二样本图像的伪标签，得到每个所述第二样本图像对应的n个初始伪标签，包括：

对每个所述第二样本图像进行第一类型的数据增强处理，得到每个所述第二样本图像对应的第三样本图像；

将每个所述第二样本图像对应的第三样本图像分别输入所述n个教师模型，得到每个所述第二样本图像对应的n个初始伪标签。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：对每个所述第二样本图像进行第二类型的数据增强处理，得到每个所述第二样本图像对应的第四样本图像，并将每个所述第二样本图像对应的目标伪标签确定为每个所述第四样本图像的目标伪标签；以及，

所述基于所述第一样本集、所述第二样本集以及每个所述第二样本图像对应的目标伪标签，对所述待训练的姿态识别模型进行迭代训练，得到训练后的姿态识别模型，包括：将所述第一样本图像输入所述待训练的姿态识别模型，并基于所述样本标签与所述待训练的姿态识别模型的输出结果，确定第一损失值；将所述第四样本图像输入所述待训练的姿态识别模型，并基于所述第四样本图像的目标伪标签与所述待训练的姿态识别模型的输出结果，确定第二损失值；基于所述第一损失值与所述第二损失值，调整所述待训练的姿态识别模型的模型参数；迭代执行所述确定第一损失值的步骤、所述确定第二损失值的步骤和所述调整所述待训练的姿态识别模型的模型参数的步骤，直至满足预设的迭代终止条件，得到所述训练后的姿态识别模型。

4.根据权利要求3所述的方法，其特征在于，对每个所述第二样本图像对应的n个初始伪标签进行聚合处理，修正该n个初始伪标签中关键点的位置，得到每个所述第二样本图像对应的目标伪标签，包括：

获取所述n个教师模型在上轮迭代中得到的n个历史伪标签；

对每个所述第二样本图像对应的n个初始伪标签和所述n个历史伪标签进行配对，确定多个标签对，所述标签对包括一个初始伪标签和一个历史伪标签；

从所述标签对包括的初始伪标签和历史伪标签中确定出具有匹配关系的关键点对，并确定所述关键点对中两个关键点的像素距离；

对于所述n个初始伪标签中具有相同标签的关键点，从包含该关键点的各所述关键点对中确定出像素距离最小的目标关键点对，并将该关键点在所述目标关键点对中的位置确定为该关键点的目标位置；

基于每个所述第二样本图像对应的n个初始伪标签中的各关键点及其目标位置，确定所述每个所述第二样本图像对应的目标伪标签。

5.根据权利要求3或4所述的方法，其特征在于，对每个所述第二样本图像进行第二类型的数据增强处理，得到每个所述第二样本图像对应的第四样本图像，包括：

对每个所述第二样本图像进行仿射变换处理，得到每个所述第二样本图像对应的变换后的图像；

对每个所述第二样本图像对应的变换后的图像进行掩膜处理，得到每个所述第二样本图像对应的第四样本图像。