【技术实现步骤摘要】
一种关于图像关键点检测的神经网络模型建立方法
本专利技术涉及计算机领域，尤其涉及一种关于图像关键点检测的神经网络模型建立方法。
技术介绍
目前，人体尺寸的测量主要依赖于人工。随着智能手机的普及，图像的采集越来越方便。图像处理技术可利用计算机等设备对图像自动处理，提取图像中有用的数据。利用图像处理技术，可以对图像中人体轮廓进行特征提取，进而对特征数据处理来获取人体尺寸信息进行后续处理。传统的图像处理方法通过图像分割得到着衣人体轮廓，需要后续处理才能得到净体轮廓特征用于人体测量，鲁棒性不够高。深度神经网络是一种强大的图像处理工具，利用图像不同层次的特征能有效的提取图像中的信息。利用深度神经网络，结合大量的人体轮廓特征数据集，可以通过端到端的方式直接通过人体图像获得人体轮廓特征。相较于传统的图像处理方式，针对不同环境下不同体型的人体图像，深度神经网络提取图像中人体轮廓特征有更高的准确性和鲁棒性。
技术实现思路
基于以上问题，本专利技术设计一种关于图像关键点检测的神经网络模型建立方法，其包括如下步骤：获取...
【技术保护点】
1.一种关于图像关键点检测的神经网络模型建立方法，其特征在于，包括如下步骤：/n获取图像关键点数据集步骤，所述数据集由多个图像及图像关键点的原始位置坐标组成；/n预处理所述数据集步骤，将数据集中的图像统一缩放至指定尺寸，并将轮廓关键点的原始位置坐标映射至缩放后的图像上，然后将所述图像上各像素值进行归一化；/n数据集分类步骤，将预处理后的所述数据集分为测试集、验证集及测试集；/n数据训练步骤，将测试集中的数据输入神经网络模型中进行训练，输出训练后的轮廓关键点预测位置坐标，并将其与原始位置坐标进行计算，得到多个误差值；/n修正模型参数步骤，用所述数据训练步骤得到的每个误差值反向...
【技术特征摘要】
1.一种关于图像关键点检测的神经网络模型建立方法，其特征在于，包括如下步骤：
获取图像关键点数据集步骤，所述数据集由多个图像及图像关键点的原始位置坐标组成；
预处理所述数据集步骤，将数据集中的图像统一缩放至指定尺寸，并将轮廓关键点的原始位置坐标映射至缩放后的图像上，然后将所述图像上各像素值进行归一化；
数据集分类步骤，将预处理后的所述数据集分为测试集、验证集及测试集；
数据训练步骤，将测试集中的数据输入神经网络模型中进行训练，输出训练后的轮廓关键点预测位置坐标，并将其与原始位置坐标进行计算，得到多个误差值；
修正模型参数步骤，用所述数据训练步骤得到的每个误差值反向输入所述神经网络模型，以修正所述神经网络模型的参数，以得到误差较小的神经网络模型进行图像关键点检测。
2.如权利要求1所述的神经网络模型建立方法，其特征在于，在所述修正模型参数步骤之后，还包括验证神经网络模型的步骤，其方法为，将所述验证集的数据在多个修正后的神经网络模型上执行一次数据训练步骤，计算验证集上每个数据的平均误差值，保存平均误差值最小的验证神经网络模型。
3.如权利要求2所述的神经网络模型建立方法，其特征在于，在验证神经网络模型的步骤之后，还包括测试神经网络模型的步骤，具体方法为：将所述测试集数据输入所述验证神经网络模型，计算测试集上每个数据的测试平均误差值，经过多次数据训练、验证及测试后，所述测试集上平均误差最小的神经网络模型为最终神经网络模型，使用该最终神经网络模型进行图像关键点的检测。
4.如权利要求1所述的神经网络模型建立方法，其特征在于，数据训练步骤为：将归一化的图像数据输入特征提取模块，特征提取模块输出图像低级特征的响应值，所述响应值经过一个Hourglass模块及一个Bottle模块的计算后，输出到FC全连接层，FC的全连接层输出到Score层，该结构可以不断重复，最后一个阶段的输出值为Score层的激...
【专利技术属性】
技术研发人员：朱帅印，丁雪峰，
申请(专利权)人：深圳市图郅创新科技有限公司，
类型：发明
国别省市：广东;44
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。