【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及一种关键点预测模型训练方法、装置、电子设备及计算机可读存储介质。
技术介绍
1、关键点检测是计算机视觉领域的一个重要任务，广泛应用于人脸识别、表情分析和图像编辑等场景。
2、相关技术中，关键点检测的主要方法包括基于热度图(heatmap)确定关键点位置的方法，以及基于回归方法确定关键点位置的方法。由于基于热度图(heatmap)确定关键点位置的方法速度慢，因此，一般使用基于回归方法确定关键点位置的方法进行人脸识别和表情分析等。
3、但是，基于回归方法确定关键点位置的方法精度和稳定性较低。
技术实现思路
1、本申请实施例提供一种关键点预测模型训练方法、装置、电子设备及计算机可读存储介质，能够提升关键点预测模型的精度和稳定性。
2、本申请实施例的技术方案是这样实现的：
3、本申请实施例提供一种关键点预测模型训练方法，所述方法包括：获取样本图像中的样本关键点以及所述样本关键点的第一样本位置信息；通过待训练的关键点预测模型提取所述样本图像的特征图；确定所述样本关键点的第一预测位置信息，以及所述样本关键点在所述特征图中所处的目标像素区域的第一预测偏移信息；基于所述第一样本位置信息、所述第一预测位置信息、所述样本关键点在所述目标像素区域的第一样本偏移信息和所述第一预测偏移信息，确定模型损失值；基于所述模型损失值，对所述待训练的关键点预测模型进行模型参数更新，得到训练后的关键点预测模型。
4、本申请实施例提供
5、在上述方案中，所述损失确定模块，还用于基于所述第一样本位置信息，确定所述关键点预测模型的第一损失值；基于所述第一样本位置信息，确定所述样本关键点的样本邻居关键点；基于所述第一样本偏移信息、所述第一预测偏移信息、所述样本邻居关键点在所述目标像素区域的第二样本偏移信息和所述样本邻居关键点在所述目标像素区域的第二预测偏移信息，确定所述关键点预测模型的第二损失值；基于所述第一样本位置信息、所述第一预测位置信息、所述样本邻居关键点的第二样本位置信息和所述样本邻居关键点的第二预测位置信息，确定所述关键点预测模型的第三损失值；基于所述第一损失值、所述第二损失值和所述第三损失值，确定模型损失值。
6、在上述方案中，所述损失确定模块，还用于基于所述第一样本位置信息，确定所述样本关键点位于所述特征图中像素区域内的第一标签得分；对所述特征图进行特征映射处理，得到所述样本关键点位于所述像素区域的第一预测得分；对所述第一预测得分和所述第一标签得分进行特征图损失计算，得到所述第一损失值。
7、在上述方案中，所述损失确定模块，还用于在根据所述第一样本位置信息，确定所述样本关键点位于所述像素区域内的情况下，确定所述第一标签得分为第一预设得分；在根据所述第一样本位置信息，确定所述样本关键点位于所述像素区域之外的情况下，确定所述第一标签得分为第二预设得分。
8、在上述方案中，所述损失确定模块，还用于对所述第一预测偏移信息和所述第一样本偏移信息进行第一偏移损失计算，得到第四损失值；对所述第二预测偏移信息和所述第二样本偏移信息进行第二偏移损失计算，得到第五损失值；对所述第四损失值和所述第五损失值进行损失值融合，得到所述第二损失值。
9、在上述方案中，所述损失确定模块，还用于基于所述第一预测位置信息和所述第二预测位置信息，确定所述样本关键点与所述样本邻居关键点之间的第一预测距离；基于所述第一样本位置信息和所述第二样本位置信息，确定所述样本关键点与所述样本邻居关键点之间的第一样本距离；对所述第一预测距离和所述第一样本距离进行距离损失计算，得到第六损失值；对所述第一样本位置信息和所述第一预测位置信息进行位置损失计算，得到第七损失值；对所述第六损失值和所述第七损失值进行损失值融合，得到所述第三损失值。
10、在上述方案中，所述损失确定模块，还用于确定所述第一样本位置信息和所述第一预测位置信息之间的位置信息误差；在所述位置信息误差小于预设位置误差的情况下，基于预设参数和所述位置信息误差确定第一参数，并将所述预设位置误差与所述第一参数的乘积确定为所述样本关键点的第七损失值。
11、在上述方案中，所述损失确定模块，还用于确定所述第一样本位置信息和所述第一预测位置信息的位置信息误差；在所述位置信息误差大于或等于预设位置误差的情况下，基于预设参数和所述位置信息误差确定第二参数，并确定所述预设位置误差与所述第二参数的乘积；将所述预设位置误差与所述乘积之间的差值确定为第一差值；将所述位置误差与所述第一差值之间的第二差值，确定为所述第七损失值。
12、本申请实施例提供一种电子设备，所述电子设备包括：存储器，用于存储计算机可执行指令或者计算机程序；处理器，用于执行所述存储器中存储的计算机可执行指令或者计算机程序时，实现本申请实施例提供的关键点预测模型训练方法。
13、本申请实施例提供一种计算机可读存储介质，存储有计算机程序或计算机可执行指令，用于被处理器执行时实现本申请实施例提供的关键点预测模型训练方法。
14、本申请实施例具有以下有益效果：
15、在对关键点预测模型进行训练的过程中，确定样本关键点实际的第一样本位置信息和样本关键点在特征图中目标像素区域的第一样本偏移信息，以及关键点预测模型预测得到的样本关键点的第一预测偏移信息和样本关键点在特征图中目标像素区域的第一预测位置信息，利用第一样本位置信息、第一预测位置信息、第一样本偏移信息和第一预测偏移信息，可以计算得到更加精确的模型损失值，进而使用模型损失值训练关键点预测模型，可以提高关键点预测模型的检测精度和稳定性。
本文档来自技高网...【技术保护点】
1.一种关键点预测模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一样本位置信息、所述第一预测位置信息、所述样本关键点在所述目标像素区域的第一样本偏移信息和所述第一预测偏移信息，确定模型损失值，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一样本位置信息，确定所述关键点预测模型的第一损失值，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一样本位置信息，确定所述样本关键点位于所述特征图中像素区域内的第一标签得分，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于所述第一样本偏移信息、所述第一预测偏移信息、所述样本邻居关键点在所述目标像素区域的第二样本偏移信息和所述样本邻居关键点在所述目标像素区域的第二预测偏移信息，确定所述关键点预测模型的第二损失值，包括：
6.根据权利要求2所述的方法，其特征在于，所述基于所述第一样本位置信息、所述第一预测位置信息、所述样本邻居关键点的第二样本位置信息和所述样本邻居关键点的第二预测位置信息，确定所
7.根据权利要求6所述的方法，其特征在于，所述基于所述第一样本位置信息和所述第一预测位置信息进行位置损失计算，得到第七损失值，包括：
8.根据权利要求6所述的方法，其特征在于，所述基于所述第一样本位置信息和所述第一预测位置信息进行位置损失计算，得到第七损失值，包括：
9.一种关键点预测模型训练装置，其特征在于，所述装置包括：
10.一种电子设备，其特征在于，所述电子设备包括：
11.一种计算机可读存储介质，存储有计算机可执行指令或者计算机程序，其特征在于，所述计算机可执行指令或者计算机程序被处理器执行时实现权利要求1至8任一项所述的关键点预测模型训练方法。
...【技术特征摘要】
1.一种关键点预测模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一样本位置信息、所述第一预测位置信息、所述样本关键点在所述目标像素区域的第一样本偏移信息和所述第一预测偏移信息，确定模型损失值，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一样本位置信息，确定所述关键点预测模型的第一损失值，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一样本位置信息，确定所述样本关键点位于所述特征图中像素区域内的第一标签得分，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于所述第一样本偏移信息、所述第一预测偏移信息、所述样本邻居关键点在所述目标像素区域的第二样本偏移信息和所述样本邻居关键点在所述目标像素区域的第二预测偏移信息，确定所述关键点预测模型的第二损失值，包括：
6.根据权...
【专利技术属性】
技术研发人员：曾钰胜，董培，
申请(专利权)人：深圳市优必选科技股份有限公司，
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。