[发明专利]基于图像的目标点位置检测方法、装置、电子设备有效
| 申请号： | 201910185907.2 | 申请日： | 2019-03-12 |
| 公开（公告）号： | CN110069985B | 公开（公告）日： | 2020-08-28 |
| 发明（设计）人： | 柴振华;赖申其 | 申请（专利权）人： | 北京三快在线科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 北京润泽恒知识产权代理有限公司 11319 | 代理人： | 莎日娜 |
| 地址： | 100083 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种基于图像的目标点位置检测方法，属于计算机技术领域，用于目标点位置检测性能低下的问题。本申请实施例中公开的点位置检测方法包括：获取标注有真实目标点位置的若干图像样本；通过所述神经网络模型的损失函数根据变量计算所述神经网络模型的损失值，并以所述损失值最小为目标调整所述神经网络模型的参数，训练所述神经网络模型；其中，所述损失函数被配置为相对于变量的绝对值单调递增，所述损失函数对应的梯度函数为单调递减函数且所述梯度函数的值大于1并在所述变量趋近于无穷大时逐渐趋近于1；所述变量用于表示真实值和预测值之间的差值，所述真实值基于样本标签确定，所述预测值通过所述神经网络模型预测得到。 | ||
| 搜索关键词： | 基于 图像 目标 位置 检测 方法 装置 电子设备 | ||
【主权项】：
1.一种基于图像的目标点位置检测方法，其特征在于，包括：获取标注有真实目标点位置的若干图像样本；通过所述神经网络模型的损失函数根据变量计算所述神经网络模型的损失值，并以所述损失值最小为目标调整所述神经网络模型的参数，训练所述神经网络模型；其中，所述损失函数被配置为相对于变量的绝对值单调递增，所述损失函数对应的梯度函数为单调递减函数且所述梯度函数的值大于1并在所述变量趋近于无穷大时逐渐趋近于1；所述变量用于表示真实值和预测值之间的差值，所述真实值基于标注的所述真实目标点位置确定，所述预测值通过所述神经网络模型对所述各所述图像样本进行预测得到；通过训练得到的所述神经网络模型，对输入的图像进行目标点位置检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京三快在线科技有限公司，未经北京三快在线科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910185907.2/，转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
