【技术实现步骤摘要】
姿态分类方法和姿态分类模型的训练方法、装置
[0001]本公开涉及人工智能领域,具体涉及计算机视觉和深度学习
,更具体地涉及一种姿态分类方法和姿态分类模型的训练方法、装置、电子设备和存储介质。
技术介绍
[0002]在姿态识别中,通常需要目标检测、关键点检测和姿态分类等多个阶段。通常,多个阶段中的每个阶段都需要运行一个处理模型。因此,存在需要消耗较多算力资源和耗时较长的技术问题。
技术实现思路
[0003]提供了一种降低算力资源的消耗和计算时长的姿态分类方法、姿态分类模型的训练方法、装置、电子设备和存储介质。
[0004]本公开的一个方面提供了一种姿态分类方法,包括:提取包括至少一个目标对象的待处理图像的特征,得到第一特征图;针对至少一个目标对象中的每个目标对象,基于第一特征图,确定针对每个目标对象的位置信息;以及基于针对每个目标对象的位置信息和第一特征图,确定每个目标对象的姿态类别。
[0005]本公开的另一个方面提供了一种姿态分类模型的训练方法,其中,姿态分类模型包括特征提取网络、位置确定网络和类别预测网络;该训练方法包括:将样本图像输入特征提取网络,得到第二特征图,样本图像包括至少一个目标对象中每个目标对象的实际位置信息和实际姿态类别;将第二特征图输入位置确定网络,得到至少一个预测位置信息;基于实际位置信息和第二特征图,采用类别预测网络确定每个目标对象的预测姿态类别;以及基于预测姿态类别、实际姿态类别、至少一个预测位置信息和实际位置信息,对对象分类模型进行训练。
[ ...
【技术保护点】
【技术特征摘要】
1.一种姿态分类方法,包括:提取包括至少一个目标对象的待处理图像的特征,得到第一特征图;针对所述至少一个目标对象中的每个目标对象,基于所述第一特征图,确定针对所述每个目标对象的位置信息;以及基于针对所述每个目标对象的位置信息和所述第一特征图,确定所述每个目标对象的姿态类别。2.根据权利要求1所述的方法,其中,所述基于针对所述每个目标对象的位置信息和所述第一特征图,确定所述每个目标对象的姿态类别包括:基于所述位置信息,确定所述第一特征图中针对所述每个目标对象的局部特征;以及基于所述局部特征,确定所述每个目标对象的姿态类别。3.根据权利要求2所述的方法,其中,所述基于所述局部特征,确定所述每个目标对象的姿态类别包括:对所述局部特征进行区域对齐处理,得到处理后特征;以及基于所述处理后特征,采用卷积运算确定所述每个目标对象的姿态类别。4.一种姿态分类模型的训练方法,其中,所述姿态分类模型包括特征提取网络、位置确定网络和类别预测网络;所述方法包括:将样本图像输入所述特征提取网络,得到第二特征图,所述样本图像包括至少一个目标对象中每个目标对象的实际位置信息和实际姿态类别;将所述第二特征图输入所述位置确定网络,得到至少一个预测位置信息;基于所述实际位置信息和所述第二特征图,采用所述类别预测网络确定所述每个目标对象的预测姿态类别;以及基于所述预测姿态类别、所述实际姿态类别、所述至少一个预测位置信息和所述实际位置信息,对所述姿态分类模型进行训练。5.根据权利要求4所述的方法,其中,所述基于所述实际位置信息和所述第二特征图,采用所述类别预测网络确定所述每个目标对象的预测姿态类别包括:基于所述每个目标对象的实际位置信息,确定所述第二特征图中针对所述每个目标对象的局部特征,得到至少一个局部特征;以及基于所述至少一个局部特征,采用所述类别预测网络得到至少一个预测姿态类别,所述至少一个预测姿态类别与所述至少一个目标对象一一对应。6.根据权利要求4所述的方法,其中,所述基于所述实际位置信息和所述第二特征图,采用所述类别预测网络确定所述每个目标对象的预测姿态类别包括:基于所述至少一个预测位置信息和所述至少一个目标对象的至少一个实际位置信息,确定所述至少一个预测位置信息中的每个预测位置信息与实际位置信息之间的匹配关系;基于所述至少一个预测位置信息,确定所述第二特征图中针对所述至少一个目标对象的至少一个局部特征;基于所述至少一个局部特征,采用所述类别预测网络得到至少一个预测姿态类别;以及基于所述匹配关系,确定所述至少一个预测姿态类别中所述每个目标对象的预测姿态类别。
7.根据权利要求5或6所述的方法,其中,所述基于所述至少一个局部特征,采用所述类别预测网络得到至少一个预测姿态类别包括:对所述至少一个局部特征分别进行区域对齐处理,得到至少一个处理后特征;以及将所述至少一个处理后特征输入所述类别预测网络,得到所述至少一个预测姿态类别。8.根据权利要求6所述的方法,其中,确定所述至少一个预测位置信息中的每个预测位置信息与实际位置信息之间的匹配关系包括:针对所述至少一个预测位置信息中的每个预测位置信息,确定所述至少一个实际位置信息中与所述每个预测位置信息的交并比最高的位置信息,作为与所述每个预测位置信息相匹配的实际位置信息。9.根据权利要求4所述的方法,其中,所述基于所述预测姿态类别、所述实际姿态类别、所述至少一个预测位置信息和所述实际位置信息,对所述姿态分类模型进行训练包括:基于所述至少一个预测位置信息和所述实际位置信息,对所述特征提取网络和所述位置确定网络进行训练;以及基于预测姿态类别和所述实际姿态类别,对所述特征提取网络、所述位置确定网络和所述类别预测网络进行训练。10.一种姿态分类装置,包括:第一特征提取模块,用于提取包括至少一个目标对象的待处理图像的特征,得到第一特征图;第一位置确定模块,用于针对所述至少一个目标对象中的每个目标对象,基于所述第一特征图,确定针对所述每个目标对象的位置信息;以及第一姿态确定模块,用于基于针对所述...
【专利技术属性】
技术研发人员:卢子鹏,王健,孙昊,丁二锐,
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:
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。