CN113139564B 关键点检测模型的训练方法、装置、电子设备及存储介质 （清华大学）

本公开关于一种关键点检测模型的训练方2获取预设的训练样本图像集合，其中，所述训练样本图像集合中从所述训练样本图像集合中依次读取各个训练样本图像，其中，每采用所述关键点检测模型，从所述一个训练样本图像中检测获得各个确定至少一个预测关键点对应的预测热力图，与对应的真采用预设的棋盘距离函数，基于获得的各个坐标，计算所述一采用多标签分类算法，确定与所述预测热力图对应的原始样本图像采用加权交叉熵损失函数，结合所述预测热力图中各个像素点的预测响将获取到的待检测图像输入采用如权利要求1-4任一项所述的方法训练获得的关键点3在获得的各个待检测关键点热力图中，分别将最大预测响应值含原始样本图像和与所述原始样本图像对应采用所述关键点检测模型，从所述一个训练样本图像中检测获得各个生成对应的一个图层,并分别获得所述一个图层中各个像素点与所述一个预测关键点的相确定至少一个预测关键点对应的预测热力图，与对应的真关键点检测模型中所述至少一个预测关键点对应的权重参数进行输出单元，被配置为在确定所述关键点检测模型满足预设的收敛条采用预设的棋盘距离函数，基于获得的各个坐标，计算所述一采用多标签分类算法，确定与所述预测热力图对应的原始样本图像采用加权交叉熵损失函数，结合所述预测热力图中各个像素点的预测响4生成单元，被配置为将获取到的待检测图像输入采用如权利要求1-4任一项所述的方检测单元，被配置为在获得的各个待检测关键点热力图中，分别将处理器，用于读取并执行所述存储器中存储的可执行指令，以实现如权利述电子设备能够执行如权利要求1至5中任一项所述的关键点检测模型的训练方法，或者，5[0011]采用所述关键点检测模型，从所述一个训练样本图像中检测获得各个预测关键6所述关键点检测模型中所述至少一个预测关键点对应的权重参数进行相[0015]一个干扰样本图像为在相应的一个原始样本图像中添加设定干扰因素获得的图所述一个预测关键点与对应的真实关键点之间7[0040]采用所述关键点检测模型，从所述一个训练样本图像中检测获得各个预测关键所述关键点检测模型中所述至少一个预测关键点对应的权重参数进行相[0044]一个干扰样本图像为在相应的一个原始样本图像中添加设定干扰因素获得的图8所述一个预测关键点与对应的真实关键点之间的预测响应值表征所述一个像素点是预测关键9[0091]在使用关键点检测模型执行识别操作之前，需要先对关键点检测模型进行训型进行训练后，后续会继续读取相关联的干扰样本图像对关键点检测模型做进一步训练，y[0120]而将各个像素点(包含上述预测关键点M1)的预测响应值均记录在所述一个图层练好的关键点检测模型在检测携带微小变化的图片时，可以减小预测关键点的抖动现象，[0139]S108：对关键点检测模型中至少一个预测关键点对应的预测关键点对应的权重参数进行调整的具体预设的衰减系数的取值范围是[0,1]，当预测关键点周围的其他像素点和预测关键点之间[0155]步骤701：将获取到的待检测图像输入采用上述方法训练获得的关键点检测模型预设的衰减系数的取值范围是[0,1]，当预测关键点周围的其他像素点和预测关键点之间集合中包含原始样本图像和与所述原始样本图[0161]采用所述关键点检测模型，从所述一个训练样本图像中识别获得各个预测关键所述关键点检测模型中所述至少一个预测关键点对应的权重参数进行相[0165]一个干扰样本图像为在相应的一个原始样本图像中添加设定干扰因素获得的图所述一个预测关键点与对应的真实关键点之间值，确定所述一个预测关键点与对应的真实关键点之间的误差，所述处理单元802被配置[0184]基于上述实施例，参阅图9所示，本公开实施例中，提供一种关键点检测的装置[0185]生成单元901，被配置为将获取到的待检测图像输入采用如第一方面的方法生成点的预测响应值表征所述一个像素点是预测关[0191]采用所述关键点检测模型，从所述一个训练样本图像中识别获得各个预测关键所述关键点检测模型中所述至少一个预测关键点对应的权重参数进行相[0197]一个干扰样本图像为在相应的一个原始样本图像中添加设定干扰因素获得的图所述一个预测关键点与对应的真实关键点之间[0216]所述处理器1002用于将获取到的待检测图像输入采用如第一方面的方法生成的者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识