[发明专利]用于定位多目标特征点的深度学习模型的构建方法及装置

摘要

本申请实施例提供一种用于定位多目标特征点的深度学习模型的构建方法及装置，涉及人工智能领域，包括获取堆叠沙漏网络、检测网络、定位网络以及输出网络；组合堆叠沙漏网络、检测网络、定位网络以及输出网络得到多任务学习网络模型；在多任务学习网络模型中设置加权目标函数、预设训练条件以及与输入数据对应的超参数，得到第一训练模型；对第一训练模型进行训练，得到第二训练模型和与第二训练模型相对应的训练信息；在训练信息满足预设训练条件时，保存第二训练模型为用于定位目标特征点的深度学习模型。实施这种实施方式，能够通过建立一种新的深度学习模型来提高对多目标特征点(或称为关键点)的识别精度。

主权项

1.一种用于定位多目标特征点的深度学习模型的构建方法，其特征在于，包括：获取用于提取输入数据包括的特征数据的堆叠沙漏网络、用于根据所述特征数据进行目标检测得到目标位置信息的检测网络、用于根据所述特征数据进行关键点检测得到关键点信息的定位网络以及用于组合所述目标位置信息和所述关键点信息得到目标特征点并输出所述目标特征点的输出网络；组合所述堆叠沙漏网络、所述检测网络、所述定位网络以及所述输出网络得到多任务学习网络模型；在所述多任务学习网络模型中设置加权目标函数、预设训练条件以及与所述输入数据对应的超参数，得到第一训练模型；对所述第一训练模型进行训练，得到第二训练模型和与所述第二训练模型相对应的训练信息；在所述训练信息满足所述预设训练条件时，保存所述第二训练模型为用于定位目标特征点的深度学习模型。