【技术实现步骤摘要】
一种身体部位识别方法、装置、电子设备及存储介质
[0001]本专利技术涉及计算机
，具体涉及一种身体部位识别方法、装置、电子设备及存储介质。
技术介绍
[0002]随着互联网时代的进步，每天都会产生上亿的图片数据。在某些应用场景中，例如一些医美类APP，用户会上传分享各种术前术后的图片，这些用户上传的图片缺乏语义信息，甚至会有不是身体部位的图片，比如风景照、美食照等，这给使用APP的用户带来很不好的产品体验。因此如何从大量用户上传的图片中筛选出真正有用的图片，就需要解决图片中人体身体部位识别的问题。
[0003]在一些传统的方法中，单纯的基于深度学习的分类思想，虽然用于模型训练的标注量少，但是当身体部位在图片中占比较小时，其预测得分会比较低，带来感受野问题；单纯的基于深度学习的身体部位分割思想，虽然可以解决感受野问题，但是却需要大量的像素级别的标注，即使有开源的训练集，也需要少量的应用场景相关的标注数据。
技术实现思路
[0004]本专利技术的目的是针对上述现有技术的不足提出的一种身体部位识别方...
【技术保护点】
【技术特征摘要】
1.一种身体部位识别方法，其特征在于，所述方法包括：将待处理的图像输入已训练的识别模型，通过所述识别模型中的特征提取模块对所述图像进行特征提取，以得到特征图；通过所述识别模型中的分割模块获取所述特征图和特征提取过程中产生的预处理中间特征，并基于所述特征图和所述预处理中间特征进行特征融合，并根据融合后的特征进行人体分割并输出人体分割图；通过所述识别模型中的分类模块获取所述特征图，并基于所述特征图进行身体部位的分类预测并输出各身体部位的分类结果。2.根据权利要求1所述的方法，其特征在于，所述通过所述识别模型中的特征提取模块对所述图像进行特征提取，以得到特征图，包括：通过所述特征提取模块中的第一卷积层对所述图像进行卷积处理后输入至所述特征提取模块中的预处理模块；通过所述预处理模块对卷积处理后的图像进行下采样处理，以获得基础中间特征，并将基础中间特征输入所述特征提取模块中的下采样残差网络；通过所述下采样残差网络对所述基础中间特征进行多次下采样处理，以获得特征图。3.根据权利要求2所述的方法，其特征在于，通过所述下采样残差网络对所述基础中间特征进行多次下采样处理，以获得特征图，包括：通过所述下采样残差网络中的第一下采样残差块对所述基础中间特征进行下采样处理以获得第一预处理中间特征，并将第一预处理中间特征输入至所述下采样残差网络中的第二下采样残差块；通过所述第二下采样残差块对第一预处理中间特征进行下采样处理以获得第二预处理中间特征，并将第二预处理中间特征输入至所述下采样残差网络中的第三下采样残差块；通过所述第三下采样残差块对第二预处理中间特征进行下采样处理以获得第三预处理中间特征，并将第三预处理中间特征输入至所述下采样残差网络中的第四下采样残差块；通过所述第四下采样残差块对第三预处理中间特征的通道维度进行升维处理，以获得特征图。4.根据权利要求3所述的方法，其特征在于，通过所述分割模块基于所述特征图和所述预处理中间特征进行特征融合，并根据融合后的特征进行人体分割，包括：通过所述分割模块中的上采样残差网络基于所述特征图和所述预处理中间特征进行特征融合处理以获得融合后的特征，并将融合后的特征输入至分割模块中的反卷积层；通过所述反卷积层对融合后的特征进行反卷积操作，以获得人体分割图。5.根据权利要求4所述的方法，其特征在于，所述预处理中间特征包括第一预处理中间特征、第二预处理中间特征和第三预处理中间特征；通过所述分割模块中的上采样残差网络基于所述特征图和所述预处理中间特征进行特征融合处理以获得融合后的特征，包括：通过所述上采样残差网络中的第一上采样残差块将所述特征图和第三预处理中间特征进行特征融合后再进行上采样处理，以获得第一结果中间特征，并将第一结果中间特征
输入至所述上采样...
【专利技术属性】
技术研发人员：降小龙，
申请(专利权)人：北京新氧科技有限公司，
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。