申请/专利权人：北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司

申请日：2020-03-31

公开（公告）日：2024-06-18

公开（公告）号：CN113468924B

主分类号：G06N3/08

分类号：G06N3/08;G06V10/82;G06V40/10;G06V10/80;G06N3/045

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2021.12.21#实质审查的生效;2021.10.01#公开

摘要：本公开提供一种关键点检测模型训练方法和装置、关键点检测方法和装置。关键点检测模型训练装置在预设的搜索空间中搜索出深度学习模型中各节点之间的拓扑关系；利用深度学习模型对预设图像的特征图进行处理，以得到输出特征图；对输出特征图进行处理以生成预设图像的关键点热图；将关键点热图中的关键点位置坐标和预设位置坐标之差作为损失函数，并根据损失函数重复执行在预设的搜索空间中搜索出深度学习模型中各节点之间的拓扑关系的步骤，直到损失函数值满足预设条件或达到预设循环次数为止；利用训练数据对深度学习模型进行训练，以得到关键点检测模型。本公开通过调整深度学习模型中各节点之间的拓扑关系，提供最优关键点检测结果。

主权项：1.一种关键点检测模型训练方法，包括：在预设的搜索空间中搜索出深度学习模型中各节点之间的拓扑关系；从预设图像出提取出对应的特征图；利用所述深度学习模型对所述预设图像的特征图进行处理，以得到输出特征图；对所述输出特征图进行处理以生成所述预设图像的关键点热图；将所述关键点热图中的关键点位置坐标和预设位置坐标之差作为损失函数，并根据所述损失函数重复执行在预设的搜索空间中搜索出深度学习模型中各节点之间的拓扑关系的步骤，直到损失函数值满足预设条件或达到预设循环次数为止；利用训练数据对所述深度学习模型进行训练，以得到关键点检测模型；其中，所述深度学习模型包括第一深度学习子模型、第二深度学习子模型和第三深度学习子模型，所述第二深度学习子模型包括N个变换网络模型，所述第三深度学习子模型包括N个融合网络模型；利用所述深度学习模型对预设图像的特征图进行处理包括：利用所述第一深度学习子模型对所述预设图像的特征图进行处理，以得到第一特征图，所述第一特征图和所述预设图像的特征图的尺寸相同；利用所述第二深度学习子模型对所述第一特征图进行处理，以得到第二特征图，所述第二特征图的尺寸小于所述第一特征图的尺寸；利用所述第三深度学习子模型对所述第二特征图和所述第一特征图进行融合处理，以得到所述输出特征图；利用所述第三深度学习子模型对所述第二特征图和所述第一特征图进行融合处理包括：利用第1个融合网络模型对第N个变换网络模型的输出特征图和第N-1个变换网络模型的输出特征图进行融合，以得到第1个融合特征图；利用第j个融合网络模型对第j-1个融合特征图和第N-j个变换网络模型的输出特征图进行融合，以得到第j个融合特征图，2≤j≤N-1；利用第N个融合网络模型对第N-1个融合特征图和所述第一特征图进行融合，以得到所述输出特征图。

全文数据：

权利要求：

百度查询： 北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司 关键点检测模型训练方法和装置、关键点检测方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD