本公开提供了模型训练方法、车辆关键点检测方法及相应的装置，涉及人工智能领域，尤其涉及计算机视觉、图像识别和深度学习领域，可应用于智慧城市和智能交通场景。具体技术方案包括：通过样本图像进行目标检测，得到样本图像中目标车辆的目标边界框；根据目标边界框和预先标注的目标车辆的关键点，生成第一关键点热力图；通过关键点检测模型对样本图像进行检测，得到第二关键点热力图；根据第一关键点热力图和第二关键点热力图，对关键点检测模型进行训练，直至关键点检测模型收敛。本公开的技术方案可提高关键点检测模型对真实车辆的自适应能力，提高关键点检测精度。提高关键点检测精度。提高关键点检测精度。
【技术实现步骤摘要】
模型训练方法、车辆关键点检测方法及相应的装置
[0001]本公开涉及人工智能领域，尤其涉及计算机视觉、图像识别和深度学习领域，可应用于智慧城市和智能交通场景下，具体涉及一种模型训练方法、车辆关键点检测方法及相应的装置。
技术介绍
[0002]车辆关键点检测技术在智能交通场景中具有重要的作用，真实的交通场景中涉及小汽车、卡车、巴士等不同类别的车辆，而目前车辆关键点检测的相关技术对车辆的类别不敏感，无法适应不同类别的目标。
技术实现思路
[0003]本公开提供了一种模型训练方法、车辆关键点检测方法及相应的装置。
[0004]根据本公开的第一方面，提供了一种模型训练方法，包括：
[0005]通过样本图像进行目标检测，得到样本图像中目标车辆的目标边界框；
[0006]根据目标边界框和预先标注的目标车辆的关键点，生成第一关键点热力图；
[0007]通过关键点检测模型对样本图像进行检测，得到第二关键点热力图；
[0008]根据第一关键点热力图和第二关键点热力图，对关键点检测模型进行训练，直至关键点检测模型收敛。
[0009]根据本公开的第二方面，提供了一种车辆关键点检测方法，包括：
[0010]获取待检测图像；
[0011]通过关键点检测模型对待检测图像中的车辆进行关键点检测；关键点检测模型是通过本公开任一实施例提供的模型训练方法预先训练出的。
[0012]根据本公开的第三方面，提供了一种模型训练装置，包括：
[0013]目标检测模块，用于通过样本图像进行目标检测，得到样本图像中目标车辆的目标边界框；
[0014]第一热力图生成模块，用于根据目标边界框和预先标注的目标车辆的关键点，生成第一关键点热力图；
[0015]第二热力图生成模块，用于通过关键点检测模型对样本图像进行检测，得到第二关键点热力图；
[0016]训练模块，用于根据第一关键点热力图和第二关键点热力图，对关键点检测模型进行训练，直至关键点检测模型收敛。
[0017]根据本公开的第四方面，提供了一种车辆关键点检测装置，包括：
[0018]图像获取模块，用于获取待检测图像；
[0019]关键点检测模块，用于通过关键点检测模型对待检测图像中的车辆进行关键点检测；关键点检测模型是通过本公开任一实施例提供的模型训练装置预先训练出的。
[0020]根据本公开的第五方面，提供了一种电子设备，包括：至少一个处理器；以及与至
少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行本公开任一实施例提供的模型训练方法或车辆关键点检测方法。
[0021]根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本公开任一实施例提供的模型训练方法或车辆关键点检测方法。
[0022]根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现本公开任一实施例提供的模型训练方法或车辆关键点检测方法。
[0023]本公开的技术方案可至少实现如下有益效果：
[0024]本公开的技术方案可提高关键点检测模型对真实车辆的自适应能力，提高关键点检测精度。
[0025]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0026]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0027]图1是本公开实施例提供的一种模型训练方法的流程示意图；
[0028]图2是本公开实施例提供的一种车辆关键点检测方法的流程示意图；
[0029]图3是本公开实施例提供的一种模型训练装置的结构框架示意图；
[0030]图4是本公开实施例提供的一种车辆关键点检测装置的结构框架示意图；
[0031]图5是本公开实施例提供的一种电子设备的结构框架示意图。
具体实施方式
[0032]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0033]本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
[0034]在本公开实施例的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0035]应该进一步理解的是，本公开实施例中使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
[0036]本
技术人员可以理解，除非另外定义，本公开实施例使用的所有术语(包括技术术语和科学术语)，具有与本公开所属领域中的普通技术人员的一般理解相同的意义。
[0037]本公开的专利技术人在研究中发现在相关技术中，车辆关键点检测的主要方法是基于高斯热力图的关键点检测方法，该类方法在训练阶段基于真值热力图和关键点检测模型输出的预测热力图进行训练，在测试阶段对预测热力图进行非极大值抑制得到最终的关键点坐标信息。然而，该方法在生成真值热力图时，针对不同尺度的目标采用相同的高斯方差值，导致不同尺度目标的关键点具有相同的响应区域，尺度较小的目标的响应区域反而较大，导致关键点检测对尺度不敏感，在某些尺度的检测中存在关键点定位不准，检测精度较低的问题。
[0038]下面以具体实施例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。
[0039]根据本公开的实施例，本公开提供了一种模型训练方法，可用于训练关键点检测模型，如图1所示，该方法包括：
[0040]S101，通过样本图像进行目标检测，得到样本图像中目标车辆的目标边界框；
[0041]S102，根据目标边界框和预先标注的目标车辆的关键点，生成第一关键点热力图；
[0042]S103，通过关键点检测模型对样本图像进行检测，得到第二关键点热力图；
[0043]S104，根据第一关键点热力图和第二关键点热力图，对关键点检测模型进行训练，直至关键点检测模型收敛。
[0044]本公开实施例提供的模型训练方法，可对真实图像中的目标车辆进行检测，基于检测到的目标边界框和预先标注的关键点可生成能够反映真实图像关键点信息的第一关键点热力图，基于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法，包括：通过样本图像进行目标检测，得到所述样本图像中目标车辆的目标边界框；根据所述目标边界框和预先标注的所述目标车辆的关键点，生成第一关键点热力图；通过关键点检测模型对所述样本图像进行检测，得到第二关键点热力图；根据所述第一关键点热力图和所述第二关键点热力图，对所述关键点检测模型进行训练，直至所述关键点检测模型收敛。2.根据权利要求1所述的模型训练方法，其中，所述根据所述目标边界框和预先标注的所述目标车辆的关键点，生成第一关键点热力图，包括：根据所述目标边界框的真值确定所述目标边界框的高斯方差；根据预先标注的所述目标车辆的关键点的真值和所述高斯方差，在所述关键点对应的响应区域内确定多个点的响应值；根据所述响应值生成第一关键点热力图。3.根据权利要求2所述的模型训练方法，其中，所述根据所述目标边界框的真值确定所述目标边界框的高斯方差，包括：根据所述目标边界框的边长确定所述目标边界框的面积；根据所述目标边界框的面积、预设的基准面积以及预设的方差基准值确定所述目标边界框的高斯方差。4.根据权利要求2或3所述的模型训练方法，还包括：根据所述高斯方差确定距离参数；以所述关键点为中心，根据所述距离参数确定所述响应区域。5.根据权利要求1
‑
3中任一项所述的模型训练方法，其中，所述根据所述第一关键点热力图和所述第二关键点热力图，对所述关键点检测模型进行训练，包括：确定所述第一关键点热力图和所述第二关键点热力图之间的回归损失；根据所述回归损失调整所述关键点检测模型的参数。6.一种车辆关键点检测方法，包括：获取待检测图像；通过关键点检测模型对所述待检测图像中的车辆进行关键点检测；所述关键点检测模型是通过权利要求1
‑
5中任一项所述的模型训练方法预先训练出的。7.一种模型训练装置，包括：目标检测模块，用于通过样本图像进行目标检测，得到所述样本图像中目标车辆的目标边界框；第一热力图生成模块，用于根据所述目标边界框和预先标注的所述目标车辆的关键点，生成第一关键点热力图；第二热力图生成模块，用于通过关键点检测模型对所述样本图像进行检测，得到第二关键点热力图；训练模块，用于根据所述第一关键点热力图和所述第二关键点热力图，对所述关键点检测模型进行训练，直至所述关键点...
【专利技术属性】
技术研发人员：龚琛婷，谭啸，孙昊，
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。