【技术实现步骤摘要】
关键点定位模型训练方法、定位方法、装置及设备
本专利技术涉及关键点定位
，尤其是涉及一种关键点定位模型训练方法、定位方法、装置及设备。
技术介绍
人脸关键点定位是指从图像中检测定位到人脸关键部位的坐标位置，比如嘴角、眼角、鼻尖等，该技术广泛应用于人脸识别、虚拟形象构建、虚拟整形美颜等领域。现有的人脸关键点定位方法通常基于深度神经网络模型，在实际应用时，通常需要在模型大小与模型精度间进行权衡。当资源受限时需要减小模型大小，则会牺牲关键点定位准确性，导致模型在资源受限场景如手机端应用时，定位准确性不高，如果选用大模型则会占用资源较多导致功耗较大。针对上述人脸关键点定位方法在资源受限场景下定位效果不好、功耗较大的问题，目前还未提出有效解决方案。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种关键点定位模型训练方法、定位方法、装置及设备，可以在较少资源占用和能耗下，达到精确的定位效果。为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种关键点定位模型训练方法，包括：获取待检测图像；对所述待检测图像进行对象识别，并根据识别结果查...
【技术保护点】
1.一种关键点定位模型训练方法，其特征在于，包括：获取待检测图像；对所述待检测图像进行对象识别，并根据识别结果查找对应的第一模型；通过所述第一模型对所述待检测图像进行关键点定位，得到第一定位结果；通过第二模型对所述待检测图像进行关键点定位，得到第二定位结果；所述第二模型的以下参数至少之一大于所述第一模型的对应参数：网络层数、网络宽度或参数数量；根据所述第一定位结果与所述第二定位结果对所述第一模型进行训练。
【技术特征摘要】
1.一种关键点定位模型训练方法，其特征在于，包括：获取待检测图像；对所述待检测图像进行对象识别，并根据识别结果查找对应的第一模型；通过所述第一模型对所述待检测图像进行关键点定位，得到第一定位结果；通过第二模型对所述待检测图像进行关键点定位，得到第二定位结果；所述第二模型的以下参数至少之一大于所述第一模型的对应参数：网络层数、网络宽度或参数数量；根据所述第一定位结果与所述第二定位结果对所述第一模型进行训练。2.根据权利要求1所述的方法，其特征在于，所述根据识别结果查找对应的第一模型的步骤，包括：根据所述识别结果确定所述待检测图像包括的对象；将所述对象或所述对象所属集合对应的模型确定为第一模型；如果所述对象或所述对象所属集合无对应的模型，新建一个定位模型作为第一模型。3.根据权利要求1所述的方法，其特征在于，所述通过第二模型对所述待检测图像进行关键点定位，得到定位结果的步骤，包括：对所述待检测图像进行对象检测，获得对象所在区域的图像；通过所述第二模型对所述对象所在区域的图像进行关键点定位。4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：当所述第一定位结果与所述第二定位结果的偏差小于预设阈值时，或者，所述第一模型的损失函数收敛时，所述第一模型训练完成。5.根据权利要求1-3任一项所述的方法，其特征在于，所述第一模型和所述第二模型运行于同一个终端；所述根据所述第一定位结果与所述第二定位结果对所述第一模型进行训练的步骤，包括：在所述终端运行过程中，使用所述待检测图像、所述第一定位结果和所述第二定位结果对所述第一模型进行在线训练。6.一种关键点定位方法，其特征在于，包括：获取待检测图像；对所述待检测图像进行对象识别，并根据识别结果查找对应的第一模型；通过所述第一模型对所述待检测图像进行关键点定位，得到第一定位结果；通过第二模型对所述待检测图像进行关键点定位，得到第二定位结果；所述第二模型的以下参数至少之一大于所述第一模型的对应参数：网络层数、网络宽度或参数数量；判断所述第一模型是否为训练合格模型；如果是，将所述第一定位结果作为最终定位结果；如果否，将所述第二定位结果作为最终定位结果，并使用所述第一定位结果和所述第二定位结果对所述第一模型进行训练。7.根据权利要求6所述的方法，其特征在于，使用所述第一定位结果和所述第二定位结果对所述第一模型进行训练完成，且所述第一模型被确定为合格模型后，使用所述第一模型进行关键点定位。8.根据权利要求7所述的方法，其特征在于，所述方法还包括：当所述第一定位结果与所述第二定位结果的偏差小于预设阈...
【专利技术属性】
技术研发人员：王春杰，范浩强，
申请(专利权)人：北京旷视科技有限公司，
类型：发明
国别省市：北京,11
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。