【技术实现步骤摘要】
本公开实施例涉及计算机，尤其涉及一种多任务预测方法、装置、电子设备及存储介质。
技术介绍
1、多任务学习可指，利用相关但不同的多个任务中的有用信息来对各任务进行联合训练的方法。在多任务学习过程中，各任务损失的合理构建对训练效果有着重要的影响。
2、在多任务包含关键点预测任务的情况下，利用现有损失来对模型进行回归训练，其训练效果得不到保证，容易出现联合训练失败的情况，从而直接影响到多任务预测的准确度。
技术实现思路
1、本公开实施例提供了一种多任务预测方法、装置、电子设备及存储介质，能够实现连同关键点预测任务在内的多任务联合训练，训练效果佳，能够保证多任务预测的准确度。
2、第一方面，本公开实施例提供了一种多任务预测方法，包括：
3、将原始图像输入预设模型；
4、通过所述预设模型输出针对所述原始图像的至少一个任务的预测结果；
5、其中，所述至少一个预测任务包括关键点预测任务；所述预设模型在训练过程中的损失项，包括根据所述关键点预测任...
【技术保护点】
1.一种多任务预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第一预测结果与关键点位置标签之间的误差分布，基于下述步骤确定：
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一预测结果与所述关键点位置标签，对流模型进行构建，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一样本和第二样本构建流模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述第一损失基于下述步骤构建：
6.根据权利要求1所述的方法，其特征在于，当所述关键点预测任务为手部关键点预测任...
【技术特征摘要】
1.一种多任务预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述第一预测结果与关键点位置标签之间的误差分布，基于下述步骤确定：
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一预测结果与所述关键点位置标签，对流模型进行构建，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一样本和第二样本构建流模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述第一损失基于下述步骤构建：
6.根据权利要求1所述的方法，其特征在于，当所述关键点预测任务为手部关键点预测任务时，所述...
【专利技术属性】
技术研发人员：董登科，
申请(专利权)人：北京字跳网络技术有限公司，
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。