基于多头模型的图像检测关键点方法、系统、平台及介质技术方案

本发明专利技术公开了一种基于多头模型的图像检测关键点方法、系统及平台，通过方法实时获取待检测关键点的图像数据，并预处理所述待检测关键点的图像数据；根据预处理后的待检测图像数据，并结合特征提取网络，实时提取与所述待检测图像数据相对应的批量特征数据；构建多头模型，并根据所述多头模型，实时检测图像关键点以及生成与图像关键点相对应的检测数据，可以同时训练多个数据集，每个数据集对应一个输出头，每个输出头可以检测其对应数据集中标注范围内指定的类别。多头模型同时预测多组关键点的精度跟多个单头模型分别预测多组关键点的精度基本一致，模型参数量、推理时间、内存开销都降低若干倍，有几个单头模型就降低几倍。有几个单头模型就降低几倍。有几个单头模型就降低几倍。

【技术实现步骤摘要】
基于多头模型的图像检测关键点方法、系统、平台及介质


[0001]本专利技术属于图像检测关键点处理
，具体涉及一种基于多头模型的图像检测关键点方法、系统、平台及介质。

技术介绍

[0002]现目前，检测关键点是计算机视觉中的一项基础任务，它是指在给定一张图像中，检测出其中的关键点。在传统操作中，检测关键点主要是基于手工设计的特征提取器和传统的机器学习算法实现的，这些方法的主要限制是依赖于手工特征的质量和数量，需要人工设计和调整算法的参数，难以适应复杂的场景和变化多样的数据。
[0003]然而，随着深度学习的发展，基于卷积神经网络(CNN)的检测关键点方法逐渐成为主流，具有更好的准确性和泛化能力。目前检测关键点一般为单头模型，即只有一个输出头输出关键点。但是多个关键点之间存在干扰问题，并且不同类型的检测关键点头可能需要不同的网络结构或者参数配置，导致模型设计和训练更加困难。如果不同类型关键点之间存在很大差异单头模型会出现预测困难，例如难以处理不同类型的关键点之间优先级或者重要新的问题。
[0004]也就是说，单头检测关键点模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多头模型的图像检测关键点方法，其特征在于，所述方法具体包括如下步骤：实时获取待检测关键点的图像数据，并预处理所述待检测关键点的图像数据；根据预处理后的待检测图像数据，并结合特征提取网络，实时提取与所述待检测图像数据相对应的批量特征数据；其中，所述批量特征数据为每个图像的特征数据；构建多头模型，并根据所述多头模型，实时检测图像关键点以及生成与图像关键点相对应的检测数据。2.根据权利要求1所述一种基于多头模型的图像检测关键点方法，其特征在于，所述实时获取待检测关键点的图像数据，并预处理所述待检测关键点的图像数据，还包括：构建与多头数据相对应的预处理数据集，并于多头数据集中分别初始化多个与多头模型相对应的单头数据集；其中，所述单头数据集为单头模型单头数据集；根据每个单头数据集的长度数据，判定并选择用于数据处理的单头数据集。3.根据权利要求1或2所述一种基于多头模型的图像检测关键点方法，其特征在于，所述实时获取待检测关键点的图像数据，并预处理所述待检测关键点的图像数据，还包括：补全处理待检测关键点的图像数据，并用0补全每个单头数据集产生的数据；其中，补全的维度为所有单头数据集中最大的类别数。4.根据权利要求1所述一种基于多头模型的图像检测关键点方法，其特征在于，所述根据预处理后的待检测图像数据，并结合特征提取网络，实时提取与所述待检测图像数据相对应的批量特征数据；其中，所述批量特征数据为每个图像的特征数据，还包括：切分处理批量特征数据，并生成与批量特征数据相对应的组别数据；于不同的检测关键点头中，预测处理不同组的组别数据。5.根据权利要求4所述一种基于多头模型的图像检测关键点方法，其特征在于，所述切分处理批量特征数据，并生成与批量特征数据相对应的组别数据，还包括：获取单头数据集处理的批量特征数据，并将批量特征数据切分成不同的组；去除每组数据中的0数据，其中，所述的0数据为分组中每组数据对应的单头数据集类别数与最大数据集类别数补全的0数据。6.根据权利要求1所述一种基于多头模型的图像检测关键点方法，其特征在于，所述构建多头模型，并根据所述多头模型，实时检测图像关键点以及生成与图像关键点相对应的检测数据，还包括：根据图像关键点的检测数据，判定并生成与检测数据相对应的难易程度数据；根据所述难易程度数据，生成与每个网络预测头相对应损失函数的系数。7.一种基于多头模型的图像检测关键点系统，其特征在于，所述系统包括：数据预处理单元，用于实时获取待检测关...

【专利技术属性】
技术研发人员：张俊峰，沈俊羽，杨培文，张小村，
申请(专利权)人：江西超音速人工智能科技有限公司，
类型：发明
国别省市：