【技术实现步骤摘要】
训练方法、检测方法、装置、电子设备及存储介质
[0001]本公开涉及信息处理
,尤其涉及一种训练方法
、
检测方法
、
装置
、
电子设备及存储介质
。
技术介绍
[0002]视线检测技术可根据图像采集装置对目标对象进行视线朝向的判断,可应用于目标对象的注意力分析
、
体感游戏的功能支持等
。
而视线检测结果通常由检测模型进行生成,检测模型的精度
、
检测耗时直接与上层任务的精度
、
耗时相关
。
故如何更好地对检测模型进行训练,是开发人员亟需解决的技术问题
。
技术实现思路
[0003]本公开提出了一种训练
、
检测技术方案
。
[0004]根据本公开的一方面,提供了一种训练方法,应用于检测模型,所述训练方法包括:获取第一样本,其中,所述第一样本包括:多个待训练图像
、
每个待训练图像分别对应的视线标签;其中,所述视线标签用以表示待训练图像中目标人物的视线方向;生成各个所述待训练图像分别对应的头部姿态标签;其中,所述头部姿态标签用以表示待训练图像中目标人物的头部朝向;基于所述多个待训练图像,利用所述视线标签和所述头部姿态标签,得到第二样本,并利用所述第二样本对所述检测模型进行训练,所述检测模型用于得到输入图像的视线检测结果
、
或视线检测结果以及头部姿态检测结果
。 >[0005]在一种可能的实施方式中,所述生成各个所述待训练图像分别对应的头部姿态标签,包括:根据各个所述待训练图像,生成各个所述待训练图像对应的各个头部区域图像;根据各个所述待训练图像对应的各个头部区域图像,确定各个所述待训练图像对应的头部姿态标签
。
[0006]在一种可能的实施方式中,所述根据各个所述待训练图像对应的头部区域图像,确定各个所述待训练图像对应的头部姿态标签,包括:获取预设的归一化规则,对各个所述待训练图像对应的头部区域图像进行归一化处理;根据归一化后的各个头部区域图像,生成所述归一化后的各个头部区域图像对应的三个头部姿态角,并将所述三个头部姿态角的角度作为各个所述待训练图像对应的头部姿态标签
。
[0007]在一种可能的实施方式中,所述预设的归一化规则通过如下方式得到:根据所述第一样本中的多个待训练图像,确定所述多个待训练图像之间像素值的均值
、
标准差;根据所述均值
、
标准差,确定预设的归一化规则
。
[0008]根据本公开的一方面,提供了一种检测方法,所述检测方法包括:获取待检测图像;将所述待检测图像输入至检测模型中,得到检测结果;其中,所述检测模型为所述的训练方法训练得到的检测模型
。
[0009]在一种可能的实施方式中,所述检测结果包括:视线检测结果
、
或视线检测结果以及头部姿态检测结果
。
[0010]根据本公开的一方面,提供了一种训练装置,应用于检测模型,所述训练装置包括:样本获取模块,用以获取第一样本,其中,所述第一样本包括:多个待训练图像
、
每个待训练图像分别对应的视线标签;其中,所述视线标签用以表示待训练图像中目标人物的视线方向;标签生成模块,用以生成各个所述待训练图像分别对应的头部姿态标签;其中,所述头部姿态标签用以表示待训练图像中目标人物的头部朝向;模型训练模块,用以基于所述多个待训练图像,利用所述视线标签
、
所述头部姿态标签,作为第二样本,并利用所述第二样本对所述检测模型进行训练,所述检测模型用于得到输入图像的视线检测结果
、
或视线检测结果以及头部姿态检测结果
。
[0011]根据本公开的一方面,提供了一种检测装置,所述检测装置包括:图像获取模块,用以获取待检测图像;检测结果生成模块,用以将所述待检测图像输入至检测模型中,得到检测结果;其中,所述检测模型为所述训练装置训练得到的检测模型
。
[0012]根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法
。
[0013]根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法
。
[0014]在本公开实施例中,可获取第一样本,而后生成各个所述待训练图像分别对应的头部姿态标签,最终基于所述多个待训练图像,利用所述视线标签和所述头部姿态标签,得到第二样本,并利用所述第二样本对所述检测模型进行训练,所述检测模型用于得到输入图像的视线检测结果
、
或视线检测结果以及头部姿态检测结果
。
本公开实施例通过将头部姿态标签加入至第一样本的方式,使得训练后的检测模型直接可同时学习到待训练样本中的头部姿态信息以及视线信息,进而可使得头部姿态检测结果与视线检测结果可以保持并行,能在保证精度的情况下,加快模型的检测速度
、
加快网络训练的收敛速度
。
[0015]应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开
。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚
。
附图说明
[0016]此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案
。
[0017]图1示出了根据本公开实施例提供的训练方法的流程图
。
[0018]图2示出了根据本公开实施例提供的检测方法的流程图
。
[0019]图3示出了根据本公开实施例提供的训练装置的框图
。
[0020]图4示出了根据本公开实施例提供的检测装置的框图
。
[0021]图5示出了根据本公开实施例提供的一种电子设备的框图
。
具体实施方式
[0022]以下将参考附图详细说明本公开的各种示例性实施例
、
特征和方面
。
附图中相同的附图标记表示功能相同或相似的元件
。
尽管在附图中示出了实施例的各种方面,但是除
非特别指出,不必按比例绘制附图
。
[0023]在这里专用的词“示例性”意为“用作例子
、
实施例或说明性”。
这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例
。
[0024]本文中术语“和
/
或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,
A
和
/
或
B
,可本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种训练方法,其特征在于,应用于检测模型,所述训练方法包括:获取第一样本,其中,所述第一样本包括:多个待训练图像
、
每个待训练图像分别对应的视线标签;其中,所述视线标签用以表示待训练图像中目标人物的视线方向;生成各个所述待训练图像分别对应的头部姿态标签;其中,所述头部姿态标签用以表示待训练图像中目标人物的头部朝向;基于所述多个待训练图像,利用所述视线标签和所述头部姿态标签,得到第二样本,并利用所述第二样本对所述检测模型进行训练,所述检测模型用于得到输入图像的视线检测结果
、
或视线检测结果以及头部姿态检测结果
。2.
如权利要求1所述的训练方法,其特征在于,所述生成各个所述待训练图像分别对应的头部姿态标签,包括:根据各个所述待训练图像,生成各个所述待训练图像对应的各个头部区域图像;根据各个所述待训练图像对应的各个头部区域图像,确定各个所述待训练图像对应的头部姿态标签
。3.
如权利要求2所述的训练方法,其特征在于,所述根据各个所述待训练图像对应的头部区域图像,确定各个所述待训练图像对应的头部姿态标签,包括:获取预设的归一化规则,对各个所述待训练图像对应的头部区域图像进行归一化处理;根据归一化后的各个头部区域图像,生成所述归一化后的各个头部区域图像对应的三个头部姿态角,并将所述三个头部姿态角的角度作为各个所述待训练图像对应的头部姿态标签
。4.
如权利要求3所述的训练方法,其特征在于,所述预设的归一化规则通过如下方式得到:根据所述第一样本中的多个待训练图像,确定所述多个待训练图像之间像素值的均值
、
标准差;根据所述均值
、
标准差,确定预设的归一化规则
。5.
一种检测方法,其特征在于,所述检测方法包括:获取待检测图像;将所述待检测图像输入至检测模型中,得到检测结果;其...
【专利技术属性】
技术研发人员:请求不公布姓名,
申请(专利权)人:摩尔线程智能科技北京有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。