关键点检测模型训练方法和装置、关键点检测方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113743157A(43)申请公布日2021.12.03(21)申请号202010468493.7(22)申请日2020.05.28(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人陈建业(74)专利代理机构中国贸促会专利商标事务所有限公司11038代理人刘剑波(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书13页附图5页(54)发明名称关键点检测模型训练方法和装置、关键点检测方法和装置(57)摘要本公开提出一种关键点检测模型训练方法和装置、以及关键点检测方法和装置，涉及计算机技术领域。在本公开中，将第一关键点数据集合中的每条关键点数据输入到深度学习模型；确定每条关键点数据的权重；根据每条关键点数据的输出结果确定相应的损失函数，利用每条关键点数据的权重对相应的损失函数进行修正；根据所有关键点数据对应的损失函数值之和，确定总损失；根据总损失对深度学习模型的参数进行训练，直到满足预设的终止条件，得到关键点检测模型。该方法无需额外收集和标注其他关键点数据，避免浪费额外较大的人工成本。使得在训练关键点检测模型时，通过为每条关键点数据设置权重，提高模型的稳定性和泛化性。CN113743157ACN113743157A权利要求书1/2页1.一种关键点检测模型训练方法，其中，包括：将第一关键点数据集合中的每条关键点数据输入到深度学习模型，以得到每条关键点数据对应的输出结果；根据预设标准确定第一关键点数据集合中的每条关键点数据的权重；根据每条关键点数据的输出结果确定相应的损失函数，利用每条关键点数据的权重对相应的损失函数进行修正；根据第一关键点数据集合中的所有关键点数据对应的损失函数值之和，确定总损失；根据所述总损失对所述深度学习模型的参数进行训练，直到满足预设的终止条件，所述深度学习模型训练完成，训练完成的所述深度学习模型作为关键点检测模型。2.根据权利要求1所述的关键点检测模型训练方法，其中，所述根据预设标准确定第一关键点数据集合中的每条关键点数据的权重包括：利用第一关键点数据集合中的所有关键点数据的坐标信息，生成基准数据；计算所述第一关键点数据集合中的每条关键点数据与所述基准数据之间的差异度；根据所述第一关键点数据集合中的每条关键点数据与所述基准数据之间的差异度，将所述第一关键点数据集合进行分组；根据每个分组内的关键点数据的数量，确定每个分组中的关键点数据的权重。3.根据权利要求2所述的关键点检测模型训练方法，其中，所述利用第一关键点数据集合中的所有关键点数据的坐标信息，生成基准数据包括：计算第一关键点数据集合中的所有关键点数据对应的每个关键点的坐标平均值；将由所有关键点的坐标平均值所构成的数据作为所述基准数据。4.根据权利要求2所述的关键点检测模型训练方法，其中，所述根据所述第一关键点数据集合中的每条关键点数据与所述基准数据之间的差异度，将所述第一关键点数据集合进行分组包括：在所得到的差异度中选择最小值和最大值；将由所述最小值及所述最大值所构成的区间，划分为多个预定长度的子区间或者预设个数的等长子区间；将差异度属于同一子区间的所述关键点数据，划分到一个分组中。5.根据权利要求2所述的关键点检测模型训练方法，其中，所述根据每个分组内的关键点数据的数量，确定每个分组中的关键点数据的权重包括：确定所有分组中包含关键点数据的数量的最大值；根据所述关键点数据的数量最大值与每个分组内的关键点数据的数量的比值，确定所对应的分组相应的权重。6.根据权利要求5所述的关键点检测模型训练方法，其中，所述根据所述关键点数据的数量最大值与每个分组内的关键点数据的数量的比值，确定所对应的分组相应的权重包括：在所述权重小于预设门限的情况下，将所述权重作为所确定的权重；在所述权重不小于预设门限的情况下，将所述预设门限作为所确定的权重。7.根据权利要求1-6任一项所述的关键点检测模型训练方法，其中，所述关键点数据包括人脸关键点数据。2CN113743157A权利要求书2/2页8.一种关键点检测模型训练装置，其中，包括：输入模块，被配置为将第一关键点数据集合中的每条关键点数据输入到深度学习模型，以得到每条关键点数据对应的输出结果；权重确定模块，被配置为根据预设标准确定第一关键点数据集合中的每条关键点数据的权重；损失函数确定模块，被配置为根据每条关键点数据的输出结果确定相应的损失函数，利用每条关键点数据的权重对相应的损失函数进行修正；总损失确定模块，被配置为根据第一关键点数据集合中的所有关键点数据对应的损失函数值之