【技术实现步骤摘要】
用于构建关键点学习模型的方法、装置、电子设备及可读存储介质
本申请涉及数据处理
，具体涉及图像处理、图像标注、人工智能、机器学习
，尤其涉及用于构建关键点学习模型的方法、装置、电子设备及计算机可读存储介质。
技术介绍
随着互联网技术的发展以及人机交互应用的普及，获取准确、合理的人体关键点技术的应用价值也越来越高，例如在一些体感游戏、人体行为分析、虚拟形象驱动等领域都开始应用了这项技术，甚至在当前的儿童教育、直播特效等都有了很不错的应用进展。准确的人体关键点是在上述应用场景下实现优良效果的关键，现有技术提供了一种利用机器学习和深度学习算法来构建关键点学习模型的思路，其在构建过程中需要大量、精确的已标注人体关键点的标注数据参与训练。
技术实现思路
本申请实施例提出了一种用于构建关键点学习模型的方法、装置、电子设备及计算机可读存储介质。第一方面，本申请实施例提出了一种用于构建关键点学习模型的方法，包括：获取已标注人体关键点的标注数据和未标注人体关键点的未标注数据；将标注数据通...
【技术保护点】
1.一种用于构建关键点学习模型的方法，包括：/n获取已标注人体关键点的标注数据和未标注人体关键点的未标注数据；/n将所述标注数据通过初始预测模型和初始判别器按有监督训练方式进行训练，得到第一预测模型和第一判别器；/n将所述未标注数据通过所述第一预测模型和所述第一判别器按无监督训练方式进行训练，得到第二预测模型和第二判别器；/n根据所述第二预测模型和所述第二判别器构建关键点学习模型。/n
【技术特征摘要】
1.一种用于构建关键点学习模型的方法，包括：
获取已标注人体关键点的标注数据和未标注人体关键点的未标注数据；
将所述标注数据通过初始预测模型和初始判别器按有监督训练方式进行训练，得到第一预测模型和第一判别器；
将所述未标注数据通过所述第一预测模型和所述第一判别器按无监督训练方式进行训练，得到第二预测模型和第二判别器；
根据所述第二预测模型和所述第二判别器构建关键点学习模型。
2.根据权利要求1所述的方法，其中，所述将所述标注数据通过初始预测模型和初始判别器按有监督训练方式进行训练，得到第一预测模型和第一判别器，包括：
利用所述初始预测模型预测得到所述标注数据的第一关键点预测值；
根据所述第一关键点预测值与所述标注数据中的关键点实际值的差值，修正所述初始预测模型的预测参数，得到所述第一预测模型；
利用所述初始判别器对所述第一关键点预测值和所述关键点实际值的判别准确度，修正所述初始判别器的判别参数，得到第一判别器。
3.根据权利要求1所述的方法，其中，所述将所述未标注数据通过所述第一预测模型和所述第一判别器按无监督训练方式进行训练，得到第二预测模型和第二判别器，包括：
利用所述第一预测模型预测得到所述未标注数据的第二关键点预测值；
利用所述第一判别器对所述第二关键点预测值和对应的关键点实际值的判别准确度，修正所述第一预测模型的预测参数和所述第一判别器的判别参数，得到第二预测模型和第二判别器。
4.根据权利要求1所述的方法，其中，所述初始判别器基于三层全连接层、一层归一化层和二分类器构建得到，所述三层全连接层依次连接。
5.根据权利要求1所述的方法，还包括：
利用所述关键点学习模型对新的未标注数据进行关键点的预测。
6.根据权利要求1至5任一项所述的方法，还包括：
对所述关键点学习模型输出的人体关键点的位姿进行标注，得到人体位姿数据。
7.根据权利要求6所述的方法，还包括：
将所述人体位姿数据同步至相同用户在虚拟场景下创建的虚拟人物的对应人体关键点。
8.一种用于构建关键点学习模型的装置，包括：
标注/未标注数据获取单元，被配置用于获取已标注人体关键点的标注数据和未标注人体关键点的未标注数据；
有监督训练单元，被配置用于将所述标注数据通过初始预测模型和初始判别器按有监督训练方式进行训练，得到第一预...
【专利技术属性】
技术研发人员：孟庆月，赵晨，
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
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。