买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：腾讯科技(深圳)有限公司

摘要：本申请公开了一种关键点预测模型的训练方法、装置、设备、介质及产品，涉及人工智能领域。该方法包括：获取包含样本对象的样本图像；通过样本预测模型预测样本图像中样本对象的关键点的概率分布，得到n个关键点分别对应的多个分布参数；基于第j个关键点对应的参考坐标、第j个关键点对应的多个分布参数对样本预测模型进行训练，得到关键点预测模型。其中样本预测模型预测得到的分布参数的数据量远远小于相关技术中预测的热图的数据量，样本预测模型的计算量较小，从而提高了样本预测模型的训练效率。

主权项：1.一种关键点预测模型的训练方法，其特征在于，所述方法包括：获取包含样本对象的样本图像，所述样本图像标注有所述样本对象的n个关键点分别对应的参考坐标，n为正整数；通过样本预测模型提取所述样本图像的特征，得到所述样本图像对应的图像特征表示；通过所述样本预测模型分析所述图像特征表示，预测所述样本图像中所述样本对象的关键点的概率分布，得到所述n个关键点分别对应的多个分布参数，所述分布参数包括分量参数和分量权重，其中所述样本预测模型通过混合密度网络预测所述样本图像中所述样本对象的关键点的概率分布，得到所述n个关键点分别对应的多个分量参数、所述多个分量参数分别对应的分量权重；第j个关键点对应的多个分布参数是基于不同图像分析角度对所述第j个关键点预测得到的参数，所述第j个关键点对应的多个分布参数用于表征所述第j个关键点的混合概率分布，j≤n且j为正整数；其中，不同图像分析角度代表着所述样本预测模型中所述图像特征表示对应的不同映射关系，所述第j个关键点对应的多个分布参数是基于不同映射关系对第j个关键点预测得到的参数，不同映射关系表征对所述图像特征表示的不同关注程度；基于所述第j个关键点对应的参考坐标、所述第j个关键点对应的多个分布参数对所述样本预测模型进行训练，得到关键点预测模型，所述关键点预测模型用于预测图像中待识别对象的关键点坐标；其中，所述方法还包括：将所述样本图像切分为多个图像区域；通过所述样本预测模型预测每个图像区域中所述样本对象的关键点的概率分布，得到所述多个图像区域分别对应的关键点预测结果，所述关键点预测结果中包括所述n个关键点分别对应的多个分布参数；基于所述关键点预测结果中所述第j个关键点对应的多个分布参数，确定所述多个图像区域分别对应的区域概率，所述区域概率用于表征所述第j个关键点属于所述图像区域的概率；基于所述第j个关键点对应的参考坐标所属的参考图像区域、所述多个图像区域分别对应的区域概率，确定所述多个图像区域分别对应的区域损失，其中所述参考图像区域是所述多个图像区域中的其中一个；基于所述第j个关键点对应的参考坐标、所述关键点预测结果中所述第j个关键点对应的多个分布参数，确定所述多个图像区域分别对应的目标损失；根据所述区域损失和所述目标损失对所述样本预测模型进行训练，得到所述关键点预测模型。

全文数据：

权利要求：

百度查询： 腾讯科技(深圳)有限公司 关键点预测模型的训练方法、装置、设备、介质及产品