CN114581730A - 检测模型的训练方法、目标检测方法、装置、设备和介质 - Google Patents
检测模型的训练方法、目标检测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN114581730A CN114581730A CN202210205615.2A CN202210205615A CN114581730A CN 114581730 A CN114581730 A CN 114581730A CN 202210205615 A CN202210205615 A CN 202210205615A CN 114581730 A CN114581730 A CN 114581730A
- Authority
- CN
- China
- Prior art keywords
- information
- sub
- loss value
- obtaining
- key points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种检测模型的训练方法,涉及人工智能技术领域,尤其涉及计算机视觉、图像识别、深度学习和增强现实技术领域,可应用于智慧城市和智能交通场景。具体实现方案为:将样本图像输入检测模型,得到输出结果,其中,输出结果包括样本图像的关系图,关系图中的边用于表征样本图像中多个关键点之间的关系信息;根据样本图像的标签与输出结果,得到差异值;以及根据差异值,训练检测模型。本公开还提供了一种目标检测方法、装置、电子设备和存储介质。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及计算机视觉、图像识别、深度学习和增强现实等技术领域,可应用于智慧城市和智能交通场景。更具体地,本公开提供了一种检测模型的训练方法、目标检测方法、装置、电子设备和存储介质。
背景技术
随着人工智能技术的发展,在例如智慧城市或智能交通等场景中,深度学习模型广泛地应用于图像识别或目标检测。在利用深度学习模型进行目标检测时,可以检测图像中关键点,例如可以检测出对象的各个关节作为关键点。又例如,可以获取图像的热图,以检测图像中关键点。基于检测出的关键点,可以在智慧城市或智能交通等场景中,进行姿态估计。
发明内容
本公开提供了一种检测模型的训练方法、目标检测方法、装置、设备以及存储介质。
根据本公开的一方面,提供了一种检测模型的训练方法,该方法包括:将样本图像输入检测模型,得到输出结果,其中,所述输出结果包括所述样本图像的关系图,所述关系图中的边用于表征样本图像中多个关键点之间的关系信息;根据所述样本图像的标签与所述输出结果,得到差异值;以及根据所述差异值,训练所述检测模型。
根据本公开的另一方面,提供了一种目标检测方法,该方法包括:对目标图像进行目标检测,得到目标检测结果,其中,所述目标检测结果所述目标图像的关系图,所述关系图中的边用于表征所述目标图像中多个关键点之间的关系信息;以及根据所述目标检测结果,确定所述目标图像中的多个关键点的目标信息。
根据本公开的另一方面,提供了一种检测模型的训练装置,该装置包括:第一获得模块,用于将样本图像输入检测模型,得到输出结果,其中,所述输出结果包括所述样本图像的关系图,所述关系图中的边用于表征样本图像中多个关键点之间的关系信息;第二获得模块,用于根据所述样本图像的标签与所述输出结果,得到差异值;以及训练模块,用于根据所述差异值,训练所述检测模型。
根据本公开的另一方面,提供了一种目标检测装置,该装置包括:目标检测模块,用于对目标图像进行目标检测,得到目标检测结果,其中,所述目标检测结果包括所述目标图像的关系图,所述关系图中的边用于表征所述目标图像中多个关键点之间的关系信息;以及确定模块,用于根据所述目标检测结果,确定所述目标图像中的多个关键点的目标信息。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行根据本公开提供的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行根据本公开提供的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据本公开提供的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开的一个实施例的检测模型的训练方法的流程图;
图2是根据本公开的另一个实施例的检测模型的训练方法的流程图;
图3A是根据本公开的一个实施例的样本图像中多个关键点的示意图;
图3B至图3D是根据本公开的一个实施例的多个关键点之间的关系信息的示意图;
图3E是根据本公开的一个实施例的样本图像的局部关系图的示意图。
图4A是根据本公开的另一个实施例的热图子标签的示意图;
图4B是根据本公开的另一个实施例的深度图子标签的示意图;
图4C是根据本公开的另一个实施例的关系图子标签的示意图;
图5是根据本公开的一个的实施例检测模型的训练方法的原理图;
图6是根据本公开的一个实施例的目标检测方法的流程图;
图7是根据本公开的一个实施例的检测模型的训练装置的框图;
图8是根据本公开的一个实施例的目标检测装置的框图;
图9是根据本公开的一个实施例的可以应用检测模型的训练方法和/或目标检测方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
一种基于热图的目标检测方法,可以从图像中截取对象所在区域作为输入图像;从输入图像中提取特征,得到CNN(Convolutional Neural Network,卷积神经网络)模型的输入特征;利用CNN模型处理该输入特征,得到至少一个热图;确定热图中的一个关键点为根节点,建立Star-Structure(星形结构)的关系图或Tree-Structure(树形结构)的关系图;根据关系图和热图,确定用于姿态估计的目标信息。
但是,在图像中的对象的部分关键点被遮挡的情况下,基于Star-Structure的关系图难以对远距离的关键点进行估计,而基于Tree-Structure的关系图难以对被遮挡的关键点进行估计。
图1是根据本公开一个实施例的检测模型的训练方法的流程图。
如图1所示,该方法100可以包括操作S110至操作S130。
在操作S110,将样本图像输入检测模型,得到输出结果。
例如,输出结果包括样本图像的关系图,关系图中的边用于表征样本图像中多个关键点之间的关系信息。
例如,针对每个关键点,关系图中包括连接每个关键点与多个关键点的有向边,该有向边可以表征关键点之间的关系信息。又例如,有向边可以是每个关键点指向多个关键点的有向边。
例如,检测模型可以是Hourglass(沙漏)模型。
在操作S120,根据样本图像的标签与输出结果,得到差异值。
例如,样本图像的标签可以包括关系图子标签。在一个示例中,样本图像的标签包括样本图像中多个关键点的真实信息。基于多个关键点的真实信息,针对每个关键点,可以建立连接每个关键点与多个关键点的有向边,以得到每个关键点的真实关系信息。类似地,可以得到其他关键点的真实关系信息,以得到样本图像的关系图子标签。根据该关系图子标签和上文所述的关系图,可以确定一个损失值,基于该损失值,可以确定标签与输出结果之间的差异值。
在操作S130,根据差异值,训练检测模型。
例如,可以根据差异值,调整检测模型的参数,以训练检测模型。
通过本公开实施例,训练出的检测模型可以高效地生成图像的关系图,以便获取更多的与关键点相关的信息。
在一些实施例中,多个关键点之间的关系信息可以包括多个关键点中至少两个关键点之间的关系信息。例如,可以从关系图中的多个关键点中选出至少两个关键点。针对该至少两个关键点中的每个关键点,关系图中包括连接每个关键点与该至少两个关键点的有向边,该有向边可以表征关键点之间的关系信息。又例如,有向边可以是每个关键点指向至少两个关键点的有向边。
在一些实施例中,输出结果还包括样本图像的热图和样本图像的深度图,标签包括热图子标签、深度图子标签和关系图子标签。
图2是根据本公开的另一个实施例的检测模型的训练方法的流程图。
如图2所示,该方法220可以根据样本图像的标签与输出结果,得到差异值。下面将结合包括操作S221至操作S224进行详细说明。
在操作S221,根据热图和热图子标签,得到第一损失值。
例如,热图中可以包括17个关键点的位置信息。
例如,可以计算热图和热图子标签之间的LSE(Least Square Error,最小平方误差)损失值,作为第一损失值L1。在一个示例中,LSE损失是基于L2范数损失函数计算的。
在操作S222,根据深度图和深度图子标签,得到第二损失值。
在本公开实施例中,针对深度图中的至少一个关键点,根据与至少一个关键点中每个关键点对应的局部深度图和局部深度图子标签,得到至少一个第二子损失值。
例如,局部深度图子标签是根据每个关键点和深度图子标签确定的。
例如,深度图中可以包括17个关键点的深度信息。
例如,可以从深度图中划分出17个局部深度图,每个局部深度图与一个关键点对应。每个局部深度图中可以包括一个关键点。相应地,从深度图子标签中划分出17个局部深度图子标签,每个局部深度图子标签与一个关键点对应。
又例如,可以计算每个局部深度图与局部深度图子标签之间的LAD(LeastAbsolute Deviation,最少绝对偏差)损失值,作为每个第二子损失值。在一个示例中,LAD损失值是基于L1范数损失函数计算的。
在本公开实施例中,根据至少一个第二子损失值,得到第二损失值。
例如,可以根据17个关键点中与每个关键点对应的第二子损失值,得到第二损失值L_2。在一个示例中,可以计算17个第二子损失值之和,作为第二损失值。
在操作S223,根据关系图和关系图子标签,得到第三损失值。
在本公开实施例中,针对关系图中的至少一个关键点,根据与至少一个关键点中每个关键点对应的局部关系图和局部关系图子标签,得到至少一个第三子损失值。
例如,局部关系图子标签是根据每个关键点和关系图子标签确定的。
例如,关系图中可以包括17个关键点的关系信息。在一个示例中,一个关键点与17个关系信息对应,其中一个关系信息是该关键点与其本身的关系信息。如上文所述,在关系图中,一个关键点与另一个关键点的关系信息可以用一个有向边表示。
例如,可以从关系图中划分出17个局部关系图,每个局部关系图与一个关键点对应。多个局部关系图的尺寸可以是一致的,并且每个局部关系图中可以包括一个关键点和与之相邻的至少一个关键点。相应地,可以从关系图子标签中划分出17个局部关系图子标签,每个局部关系图子标签与一个关键点对应。
又例如,可以计算每个局部关系图与局部关系图子标签之间的LAD损失,作为每个第三子损失值。
在本公开实施例中,根据至少一个第三子损失值,得到第三损失值。
例如,可以根据17个关键点中于每个关键点对应的第三子损失值,得到第三损失值L_3。在一个示例中,可以计算17个第三子损失值之和,作为第三损失值。
在操作S224,根据第一损失值、第二损失值和第三损失值,得到差异值。
在本公开实施例中,根据第一损失值、第二损失值和第三损失值,可以进行加权求和,得到差异值。
例如,可以通过以下公式进行加权求和:
Diff=w1*L_1+w2*L_2+w3*L_3 (公式一)
w1为第一损失值的权重,w2为第二损失值的权重,w3为第三损失值的权重。在一个示例中,w1=0.8,w2=0.1,w3=0.1。
在一些实施例中,与方法220不同之处在于,深度图中的至少一个关键点可以是深度图中全部关键点的一部分。例如,如上文所述,深度图中包括17个关键点的深度信息。可以从17个关键点任意选出15个关键点。根据15个关键点中每个关键点对应的局部深度图和局部深度图子标签,得到15个第二子损失值。再根据15个第二子损失值,得到第二损失值。
在一些实施例中,与方法220不同之处在于,关系图中的至少一个关键点可以是关系图中全部关键点的一部分。例如,如上文所述,关系图中包括17个关键点的关系信息。可以从17个关键点任意选出15个关键点。根据15个关键点中每个关键点对应的局部关系图和局部关系图子标签,得到15个第三子损失值。再根据15个第三子损失值,得到第三损失值。
图3A是根据本公开的一个实施例的样本图像中多个关键点的示意图。
如图3A所示,本实施例中,样本图像301包括15个关键点。接下来,为了简明,以其中的5个关键点为示例,结合图3B至图3E对本公开中样本图像的关系图进行详细说明。例如,5个关键点为关键点310、关键点320、关键点330、关键点340和关键点350。在一个示例中,关键点340例如可以与对象的一个踝关节对应。
图3B至图3D是根据本公开的一个实施例的多个关键点之间的关系信息的示意图。
如图3B所示,针对关键点310,关系图中包括:以关键点310为根节点,以关键点320为目标节点的有向边;以关键点310为根节点,以关键点330为目标节点的有向边;以关键点310为根节点,以关键点340为目标节点的有向边;以关键点310为根节点,以关键点350为目标节点的有向边。在一个示例中,关系图中还包括以关键点310为根节点,以关键点310为目标节点的有向边。
如图3C所示,针对关键点320,关系图中包括:以关键点320为根节点,以关键点310为目标节点的有向边;以关键点320为根节点,以关键点330为目标节点的有向边;以关键点320为根节点,以关键点340为目标节点的有向边;以关键点320为根节点,以关键点350为目标节点的有向边。在一个示例中,关系图中还包括以关键点320为根节点,以关键点320为目标节点的有向边。
如图3D所示,针对关键点330,关系图中包括:以关键点330为根节点,以关键点320为目标节点的有向边;以关键点330为根节点,以关键点310为目标节点的有向边;以关键点330为根节点,以关键点340为目标节点的有向边;以关键点330为根节点,以关键点350为目标节点的有向边。在一个实施例中,关系图中还包括以关键点330为根节点,以关键点330为目标节点的有向边。
而针对关键点340和关键点350,关系图中包括与上文所述的关键点310和上文所述的5个关键点之间类似的有向边,本公开在此不再赘述。
图3E是根据本公开的一个实施例的样本图像的局部关系图的示意图。
如图3E所示,对于上文所述的5个关键点,样本图像的关系图中包含5个关键点之间的有向边。与关键点310对应的有向边如图3B所示,与关键点320对应的有向边如图3C所示,与关键点330对应的有向边如图3D所示。在一个示例中,图3E所示的局部关系图与关键点330对应。
图4A是根据本公开的另一个实施例的热图子标签的示意图。
如图4A所示,该热图子标签中包括17个关键点。
图4B是根据本公开的另一个实施例的深度图子标签的示意图。
如图4B所示,该深度图子标签中包括17个关键点的深度信息。
图4C是根据本公开的另一个实施例的关系图子标签的示意图。
如图4C所示,该关系图子标签中边可以表征多个关键点之间的关系信息。
图5是根据本公开的一个的实施例检测模型的训练方法的原理图。
如图5所示,检测模型500可以包括级联的N个处理级,例如处理级5001、……处理级500N。在一个示例中,N=2。
每个处理级可以输出一个输出结果。例如,将样本图像501输入检测模型500之后,处理级5001可以输出一个输出结果502,处理级500N可以输出一个输出结果503。
可以根据输出结果503确定样本图像的热图504、深度图505和关系图506。根据热图504和热图子标签507,可以得到第一损失值L_1510。根据深度图505和深度图子标签508,可以得到第二损失值L_2511。根据关系图506和关系图子标签509,可以得到第三损失值L_3512。
根据第一损失值L1510、第二损失值L2511和第三损失值L3513,可以得到差异值Diff 513。根据差异值Diff 513,可以训练检测模型500。
图6是根据本公开的一个实施例的目标检测方法的流程图。
如图6所示,该方法600可以包括操作S610至操作S620。
在操作S610,对目标图像进行目标检测,得到目标检测结果。
在本公开实施例中,目标检测结果包括目标图像的关系图,关系图中的边用于表征目标图像中多个关键点之间的关系信息。
例如,针对每个关键点,关系图中包括连接每个关键点与多个关键点的有向边,该有向边可以表征关键点之间的关系信息。又例如,有向边可以是每个关键点指向多个关键点的有向边。
在操作S620,根据目标检测结果,确定目标图像中的多个关键点的目标信息。
例如,目标检测结果中包括目标图像的关系图。从该关系图中可以获取每个关键点与上文所述的多个关键点之间的关系信息。基于这些关系信息,可以确定多个关键点的目标信息。
通过本公开实施例,可以获取到与关键点相关的更加丰富的信息。
在一些实施例中,对目标图像进行目标检测,得到目标检测结果包括:利用检测模型对目标图像进行目标检测,得到目标检测结果。例如,检测模型是根据本公开提供的检测模型的训练方法训练的。
在一些实施例中,目标检测结果包括目标图像的热图和样本图像的深度图。
在一些实施例中,根据目标检测结果,确定目标图像中的多个关键点的目标信息包括:将多个关键点中K个关键点的位置信息和K个关键点的深度信息融合,得到第一融合信息;以及将第一融合信息和K个关键点的偏移信息融合,得到目标信息。
例如,多个关键点为M个关键点,K为小于或等于M的整数。M为大于或等于1的整数。在一个示例中,可以根据M个关键点的置信度,从M个关键点中确定K个关键点。
例如,K个关键点的位置信息是根据热图确定的。
例如,K个关键点的深度信息是根据深度图确定的,K为大于或等于1的整数。
例如,K个关键点的偏移信息是根据关系图确定的。
例如,每个关键点的偏移信息可以表征每个关键点与多个关键点之间的偏移量。在一个示例中,关系图中包括多个有向边。可以根据一个有向边确定两个关键点之间的偏移量。
例如,K个关键点的位置信息Local_xy是一个K*2维的向量。
例如,将K个关键点的深度信息和K个关键点的位置信息Local_xy融合,可以得到第一融合信息Local_xyz。第一融合信息Local_xyz可以是一个K*3维的向量。
又例如,K个关键点的偏移信息Offset可以是一个K*M*3维的向量。
又例如,将K个关键点的偏移信息Offset与第一融合信息Local_xyz融合,得到目标信息,下文将进行详细说明。
在一些实施例中,将第一融合信息和K个关键点的偏移信息融合,得到目标信息包括:对第一融合信息进行升维处理,得到升维后的第一融合信息;将升维后的第一融合信息和K个关键点的偏移信息进行融合,得到第二融合信息;以及基于K个关键点中每个关键点的置信度,对第二融合信息进行降维处理,得到目标信息。
例如,如上文所述,K个关键点的偏移信息Offset是一个K*M*3维的向量。而第一融合信息Local_xyz是一个K*3维的向量。
可以将第一融合信息Local_xyz复制M次,并拼接为一个K*M*3维的向量,得到升维后的第一融合信息K_Local_xyz。
接下来,可以将升维后的第一融合信息K_Local_xyz与K个关键点的偏移信息Offset相加,得到第二融合信息K_Local3D。第二融合信息K_Local3D可以是一个K*M*3维的向量。
接下来,根据K个关键点中每个关键点的置信度,利用求平均的方式,对第二融合信息K_Local3D进行降维,得到目标信息Local3D。目标信息Local3D可以是一个N*3维的向量。
图7是根据本公开的一个实施例的检测模型的训练装置的框图。
如图7所示,该装置700可以包括第一获得模块710、第二获得模块720和训练模块730。
第一获得模块710,用于将样本图像输入检测模型,得到输出结果。例如,所述输出结果包括所述样本图像的关系图,所述关系图中的边用于表征样本图像中多个关键点之间的关系信息;
第二获得模块720,用于根据所述样本图像的标签与所述输出结果,得到差异值。
训练模块730,用于根据所述差异值,训练所述检测模型。
在一些实施例中,所述输出结果还包括所述样本图像的热图和所述样本图像的深度图,所述标签包括热图子标签、深度图子标签和关系图子标签,所述第二获得模块包括:第一获得子模块,用于根据所述热图和所述热图子标签,得到第一损失值;第二获得子模块,用于根据所述深度图和所述深度图子标签,得到第二损失值;第三获得子模块,用于根据所述关系图和所述关系图子标签,得到第三损失值;以及第四获得子模块,用于根据所述第一损失值、所述第二损失值和所述第三损失值,得到所述差异值。
在一些实施例中,所述第二获得子模块包括:第一获得单元,用于针对所述深度图中的至少一个关键点,根据与所述至少一个关键点中每个关键点对应的局部深度图和局部深度图子标签,得到至少一个第二子损失值,其中,所述局部深度图子标签是根据所述每个关键点和所述深度图子标签确定的;以及第二获得单元,用于根据所述至少一个第二子损失值,得到所述第二损失值。
在一些实施例中,所述第三获得子模块包括:第三获得单元,用于针对所述关系图中的至少一个关键点,根据与所述至少一个关键点中每个关键点对应的局部关系图和局部关系图子标签,得到至少一个第三子损失值,其中,所述局部关系图子标签是根据所述每个关键点和所述关系图子标签确定的;以及第四获得单元,用于根据所述至少一个第三子损失值,得到所述第三损失值。
在一些实施例中,所述第四获得子模块包括:第五获得单元,用于根据所述第一损失值、所述第二损失值和所述第三损失值,进行加权求和,得到所述差异值。
图8是根据本公开的另一个实施例的目标检测装置的框图。
如图8所示,该装置800可以包括目标检测模块810至确定模块820。
目标检测模块810,用于对目标图像进行目标检测,得到目标检测结果。例如,所述目标检测结果包括所述目标图像的关系图,所述关系图中的边用于表征所述目标图像中多个关键点之间的关系信息。
确定模块820,用于根据所述目标检测结果,确定所述目标图像中的多个关键点的目标信息。
在一些实施例中,所述目标检测结果包括所述目标图像的热图和所述样本图像的深度图,所述确定模块包括:第一融合子模块,用于将所述多个关键点中K个关键点的位置信息和所述K个关键点的深度信息融合,得到第一融合信息,其中,所述K个关键点的位置信息是根据所述热图确定的,所述K个关键点的深度信息是根据所述深度图确定的,K为大于或等于1的整数;以及第二融合子模块,用于将所述第一融合信息和所述K个关键点的偏移信息融合,得到所述目标信息,其中,所述K个关键点的偏移信息是根据所述关系图确定的,每个关键点的偏移信息用于表征所述每个关键点与所述多个关键点之间的偏移量。
在一些实施例中,所述第二融合子模块包括:升维单元,用于对所述第一融合信息进行升维处理,得到升维后的第一融合信息;融合单元,用于将所述升维后的第一融合信息和所述K个关键点的偏移信息进行融合,得到第二融合信息;降维单元,用于基于所述K个关键点中每个关键点的置信度,对所述第二融合信息进行降维处理,得到所述目标信息。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。下面将结合图9进行详细说明。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如检测模型的训练方法和/或目标检测方法。例如,在一些实施例中,检测模型的训练方法和/或目标检测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的检测模型的训练方法和/或目标检测方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行检测模型的训练方法和/或目标检测方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (19)
1.一种检测模型的训练方法,包括:
将样本图像输入检测模型,得到输出结果,其中,所述输出结果包括所述样本图像的关系图,所述关系图中的边用于表征样本图像中多个关键点之间的关系信息;
根据所述样本图像的标签与所述输出结果,得到差异值;以及
根据所述差异值,训练所述检测模型。
2.根据权利要求1所述的方法,其中,所述输出结果还包括所述样本图像的热图和所述样本图像的深度图,所述标签包括热图子标签、深度图子标签和关系图子标签,
所述根据所述样本图像的标签与所述输出结果,得到差异值包括:
根据所述热图和所述热图子标签,得到第一损失值;
根据所述深度图和所述深度图子标签,得到第二损失值;
根据所述关系图和所述关系图子标签,得到第三损失值;以及
根据所述第一损失值、所述第二损失值和所述第三损失值,得到所述差异值。
3.根据权利要求2所述的方法,其中,所述根据所述深度图和所述深度图子标签,得到第二损失值包括:
针对所述深度图中的至少一个关键点,根据与所述至少一个关键点中每个关键点对应的局部深度图和局部深度图子标签,得到至少一个第二子损失值,其中,所述局部深度图子标签是根据所述每个关键点和所述深度图子标签确定的;以及
根据所述至少一个第二子损失值,得到所述第二损失值。
4.根据权利要求2所述的方法,其中,所述根据所述关系图和所述关系图子标签,得到第三损失值包括:
针对所述关系图中的至少一个关键点,根据与所述至少一个关键点中每个关键点对应的局部关系图和局部关系图子标签,得到至少一个第三子损失值,其中,所述局部关系图子标签是根据所述每个关键点和所述关系图子标签确定的;以及
根据所述至少一个第三子损失值,得到所述第三损失值。
5.根据权利要求2所述的方法,其中,所述根据所述第一损失值、所述第二损失值和所述第三损失值,得到所述差异值包括:
根据所述第一损失值、所述第二损失值和所述第三损失值,进行加权求和,得到所述差异值。
6.一种目标检测方法,包括:
对目标图像进行目标检测,得到目标检测结果,其中,所述目标检测结果包括所述目标图像的关系图,所述关系图中的边用于表征所述目标图像中多个关键点之间的关系信息;以及
根据所述目标检测结果,确定所述目标图像中的多个关键点的目标信息。
7.根据权利要求6所述的方法,其中,所述目标检测结果包括所述目标图像的热图和所述样本图像的深度图,
所述根据所述目标检测结果,确定所述目标图像中的多个关键点的目标信息包括:
将所述多个关键点中K个关键点的位置信息和所述K个关键点的深度信息融合,得到第一融合信息,其中,所述K个关键点的位置信息是根据所述热图确定的,所述K个关键点的深度信息是根据所述深度图确定的,K为大于或等于1的整数;以及
将所述第一融合信息和所述K个关键点的偏移信息融合,得到所述目标信息,其中,所述K个关键点的偏移信息是根据所述关系图确定的,每个关键点的偏移信息用于表征所述每个关键点与所述多个关键点之间的偏移量。
8.根据权利要求7所述的方法,其中,所述将所述第一融合信息和所述K个关键点的偏移信息融合,得到所述目标信息包括:
对所述第一融合信息进行升维处理,得到升维后的第一融合信息;
将所述升维后的第一融合信息和所述K个关键点的偏移信息进行融合,得到第二融合信息;以及
基于所述K个关键点中每个关键点的置信度,对所述第二融合信息进行降维处理,得到所述目标信息。
9.一种检测模型的训练装置,包括:
第一获得模块,用于将样本图像输入检测模型,得到输出结果,其中,所述输出结果包括所述样本图像的关系图,所述关系图中的边用于表征样本图像中多个关键点之间的关系信息;
第二获得模块,用于根据所述样本图像的标签与所述输出结果,得到差异值;以及
训练模块,用于根据所述差异值,训练所述检测模型。
10.根据权利要求9所述的装置,其中,所述输出结果还包括所述样本图像的热图和所述样本图像的深度图,所述标签包括热图子标签、深度图子标签和关系图子标签,
所述第二获得模块包括:
第一获得子模块,用于根据所述热图和所述热图子标签,得到第一损失值;
第二获得子模块,用于根据所述深度图和所述深度图子标签,得到第二损失值;
第三获得子模块,用于根据所述关系图和所述关系图子标签,得到第三损失值;以及
第四获得子模块,用于根据所述第一损失值、所述第二损失值和所述第三损失值,得到所述差异值。
11.根据权利要求10所述的装置,其中,所述第二获得子模块包括:
第一获得单元,用于针对所述深度图中的至少一个关键点,根据与所述至少一个关键点中每个关键点对应的局部深度图和局部深度图子标签,得到至少一个第二子损失值,其中,所述局部深度图子标签是根据所述每个关键点和所述深度图子标签确定的;以及
第二获得单元,用于根据所述至少一个第二子损失值,得到所述第二损失值。
12.根据权利要求10所述的装置,其中,所述第三获得子模块包括:
第三获得单元,用于针对所述关系图中的至少一个关键点,根据与所述至少一个关键点中每个关键点对应的局部关系图和局部关系图子标签,得到至少一个第三子损失值,其中,所述局部关系图子标签是根据所述每个关键点和所述关系图子标签确定的;以及
第四获得单元,用于根据所述至少一个第三子损失值,得到所述第三损失值。
13.根据权利要求10所述的装置,其中,所述第四获得子模块包括:
第五获得单元,用于根据所述第一损失值、所述第二损失值和所述第三损失值,进行加权求和,得到所述差异值。
14.一种目标检测装置,包括:
目标检测模块,用于对目标图像进行目标检测,得到目标检测结果,其中,所述目标检测结果包括所述目标图像的关系图,所述关系图中的边用于表征所述目标图像中多个关键点之间的关系信息;以及
确定模块,用于根据所述目标检测结果,确定所述目标图像中的多个关键点的目标信息。
15.根据权利要求14所述的装置,其中,所述目标检测结果包括所述目标图像的热图和所述样本图像的深度图,
所述确定模块包括:
第一融合子模块,用于将所述多个关键点中K个关键点的位置信息和所述K个关键点的深度信息融合,得到第一融合信息,其中,所述K个关键点的位置信息是根据所述热图确定的,所述K个关键点的深度信息是根据所述深度图确定的,K为大于或等于1的整数;以及
第二融合子模块,用于将所述第一融合信息和所述K个关键点的偏移信息融合,得到所述目标信息,其中,所述K个关键点的偏移信息是根据所述关系图确定的,每个关键点的偏移信息用于表征所述每个关键点与所述多个关键点之间的偏移量。
16.根据权利要求15所述的装置,其中,所述第二融合子模块包括:
升维单元,用于对所述第一融合信息进行升维处理,得到升维后的第一融合信息;
融合单元,用于将所述升维后的第一融合信息和所述K个关键点的偏移信息进行融合,得到第二融合信息;以及
降维单元,用于基于所述K个关键点中每个关键点的置信度,对所述第二融合信息进行降维处理,得到所述目标信息。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210205615.2A CN114581730A (zh) | 2022-03-03 | 2022-03-03 | 检测模型的训练方法、目标检测方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210205615.2A CN114581730A (zh) | 2022-03-03 | 2022-03-03 | 检测模型的训练方法、目标检测方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114581730A true CN114581730A (zh) | 2022-06-03 |
Family
ID=81771468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210205615.2A Pending CN114581730A (zh) | 2022-03-03 | 2022-03-03 | 检测模型的训练方法、目标检测方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114581730A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115861400A (zh) * | 2023-02-15 | 2023-03-28 | 北京百度网讯科技有限公司 | 目标对象检测方法、训练方法、装置以及电子设备 |
-
2022
- 2022-03-03 CN CN202210205615.2A patent/CN114581730A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115861400A (zh) * | 2023-02-15 | 2023-03-28 | 北京百度网讯科技有限公司 | 目标对象检测方法、训练方法、装置以及电子设备 |
CN115861400B (zh) * | 2023-02-15 | 2023-05-12 | 北京百度网讯科技有限公司 | 目标对象检测方法、训练方法、装置以及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113920307A (zh) | 模型的训练方法、装置、设备、存储介质及图像检测方法 | |
CN112966742A (zh) | 模型训练方法、目标检测方法、装置和电子设备 | |
CN113570610B (zh) | 采用语义分割模型对视频进行目标分割的方法、装置 | |
CN113191256A (zh) | 车道线检测模型的训练方法、装置、电子设备及存储介质 | |
CN112633276A (zh) | 训练方法、识别方法、装置、设备、介质 | |
CN112861885B (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN114419035B (zh) | 产品识别方法、模型训练方法、装置和电子设备 | |
CN113205041A (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
CN113378712A (zh) | 物体检测模型的训练方法、图像检测方法及其装置 | |
CN113901998A (zh) | 模型的训练方法、装置、设备、存储介质以及检测方法 | |
CN115359308A (zh) | 模型训练、难例识别方法、装置、设备、存储介质及程序 | |
CN115311469A (zh) | 图像标注方法、训练方法、图像处理方法以及电子设备 | |
CN114581730A (zh) | 检测模型的训练方法、目标检测方法、装置、设备和介质 | |
CN116524165A (zh) | 三维表情模型的迁移方法、装置、设备和存储介质 | |
CN115482443A (zh) | 图像特征融合及模型训练方法、装置、设备以及存储介质 | |
CN115409951A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113610856B (zh) | 训练图像分割模型和图像分割的方法和装置 | |
CN114973333A (zh) | 人物交互检测方法、装置、设备以及存储介质 | |
CN113654548A (zh) | 定位方法、装置、电子设备及存储介质 | |
CN114093006A (zh) | 活体人脸检测模型的训练方法、装置、设备以及存储介质 | |
CN113706705A (zh) | 用于高精地图的图像处理方法、装置、设备以及存储介质 | |
CN114092874B (zh) | 目标检测模型的训练方法、目标检测方法及其相关设备 | |
CN113239943B (zh) | 基于部件语义图的三维部件提取组合方法和装置 | |
CN113343979B (zh) | 用于训练模型的方法、装置、设备、介质和程序产品 | |
CN114494818B (zh) | 图像处理方法、模型训练方法、相关装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |