关键点标注方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了关键点标注方法、装置、电子设备及存储介质，涉及人工智能及深度学习领域。具体实现方案为：获取包含目标物体的待标注图像；从预先保存的多个三维模型中，获取与该目标物体的匹配度最高的第一三维模型；将该第一三维模型覆盖在该待标注图像上，并旋转该第一三维模型；在该第一三维模型的渲染图像与该待标注图像中的目标物体的重合面积最大时，获取该第一三维模型的旋转角度；根据该第一三维模型上的参考关键点及该旋转角度，确定参考关键点在该待标注图像中的坐标。本申请实施例能够节约关键点标注的时间和人力成本，并且能够提升关键点标注的精度和可靠性。

【技术实现步骤摘要】
关键点标注方法、装置、电子设备及存储介质
本申请涉及计算机
，尤其涉及人工智能及深度学习领域。
技术介绍
深度学习是利用计算机的数据处理优势，利用大的数据训练某一类型的识别模型，最终使识别模型获取高效的数据特征识别能力和分类能力。针对不同目的的识别模型进行数据训练，需要大量与识别目的的相关的数据集。现有技术中经常采用有监督学习提高识别模型的学习效率和识别效果。有监督模型需要识别对象的特征样本，即需要在数据集中提供被识别对象的标注样本数据，标注样本数据的准确度关系到深度学习的最终效果。目前大部分的样本数据采用人工标注，例如，为了完成鞋子的关键点检测，通常由人工进行鞋子的关键点标注。由于鞋子存在严重的遮挡问题，在旋转一定角度后鞋子的一多半部分均处于不可见状态；这种情况导致人工标注的关键点会出现较大的偏差，限制了后续模型训练精度的进一步提升。
技术实现思路
本申请提供了一种用于关键点标注方法、装置、电子设备及存储介质。根据本申请的一方面，提供了一种关键点标注方法，包括：获取包含目标物体的待标注图像；从本文档来自技高网...

【技术保护点】
1.一种关键点标注方法，包括：/n获取包含目标物体的待标注图像；/n从预先保存的多个三维模型中，获取与所述目标物体的匹配度最高的第一三维模型；/n将所述第一三维模型覆盖在所述待标注图像上，并旋转所述第一三维模型；在所述第一三维模型的渲染图像与所述待标注图像中的目标物体的重合面积最大时，获取所述第一三维模型的旋转角度；/n根据所述第一三维模型上的参考关键点及所述旋转角度，确定所述参考关键点在所述待标注图像中的坐标。/n

【技术特征摘要】
1.一种关键点标注方法，包括：
获取包含目标物体的待标注图像；
从预先保存的多个三维模型中，获取与所述目标物体的匹配度最高的第一三维模型；
将所述第一三维模型覆盖在所述待标注图像上，并旋转所述第一三维模型；在所述第一三维模型的渲染图像与所述待标注图像中的目标物体的重合面积最大时，获取所述第一三维模型的旋转角度；
根据所述第一三维模型上的参考关键点及所述旋转角度，确定所述参考关键点在所述待标注图像中的坐标。


2.根据权利要求1所述的方法，还包括：
预先保存多个三维模型，并记录每个所述三维模型上的至少一个参考关键点。


3.根据权利要求1或2所述的方法，其中，所述从预先保存的多个三维模型中，获取与所述目标物体的匹配度最高的第一三维模型，包括：
显示所述预先保存的多个三维模型；
接收模型选择指令；
根据所述模型选择指令，获取与所述目标物体的匹配度最高的第一三维模型。


4.根据权利要求1或2所述的方法，其中，所述将所述第一三维模型覆盖在所述待标注图像上，并旋转所述第一三维模型，包括：
接收针对所述第一三维模型的拖拽指令及旋转指令；
根据所述拖拽指令拖拽所述第一三维模型，使所述第一三维模型覆盖在所述待标注图像上；并根据所述旋转指令旋转所述第一三维模型。


5.一种关键点标注装置，包括：
待标注图像获取模块，用于获取包含目标物体的待标注图像；
三维模型获取模块，用于从预先保存的多个三维模型中，获取与所述目标物体的匹配度最高的第一三维模型；
调整模块，用于将所述第一三...

【专利技术属性】
技术研发人员：宫延河，彭昊天，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11