【CN110020633A】姿态识别模型的训练方法、图像识别方法及装置【专利】

合集下载

一种图像识别模型训练方法、图像识别方法及相关设备[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010674325.3(22)申请日 2020.07.14(71)申请人浙江大华技术股份有限公司地址 310053 浙江省杭州市滨江区滨安路1187号(72)发明人邸德宁　郝敬松　(74)专利代理机构北京同达信恒知识产权代理有限公司 11291代理人潘平(51)Int.Cl.G06K 9/62(2006.01)(54)发明名称一种图像识别模型训练方法、图像识别方法及相关设备(57)摘要本申请提供一种图像识别模型训练方法、图像识别方法及相关设备，用于减少训练模型的训练样本。

该图像识别模型训练方法包括：通过第一图像识别模型的第一特征提取模块，提取训练集中各样本图像的特征，获得各样本图像的第一特征矩阵；通过所述第一相似度度量模块，对各第一特征矩阵进行映射，获得各第二特征矩阵；并确定每两个第二特征矩阵之间的相似度；调整所述第一相似度度量模块的模型参数，直到训练损失满足目标损失，获得已训练的第一图像识别模型，其中，所述训练损失表示与样本图像目标分类标签相同的样本图像的相似度与样本图像目标分类标签不同的样本图像的相似度之间的误差。

权利要求书2页说明书14页附图6页CN 111914908 A 2020.11.10C N 111914908A1.一种图像识别模型训练方法，其特征在于，包括：通过第一图像识别模型的第一特征提取模块，提取训练集中各样本图像的特征，获得各样本图像的第一特征矩阵；其中，所述第一特征提取模块的模型参数是从已训练的第二图像识别模型迁移得到的，所述第一图像识别模型和所述第二图像识别模型用于识别不同的目标；通过所述第一相似度度量模块，对各第一特征矩阵进行映射，获得各第二特征矩阵，并确定每两个第二特征矩阵之间的相似度；根据每两个第二特征矩阵之间的相似度，确定所述第一图像识别模型的训练损失；根据所述训练损失，调整所述第一相似度度量模块的模型参数，直到所述第一图像识别模型的训练损失满足目标损失，获得已训练的第一图像识别模型。

图像识别模型的训练方法、装置及图像识别方法、装置[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010376758.0(22)申请日 2020.05.07(71)申请人北京三快在线科技有限公司地址 100190 北京市海淀区北四环西路9号2106-030(72)发明人王博　谢存煌　(74)专利代理机构北京市隆安律师事务所11323代理人权鲜枝(51)Int.Cl.G06K 9/46(2006.01)G06K 9/62(2006.01)G06N 3/04(2006.01)G06T 3/40(2006.01)(54)发明名称图像识别模型的训练方法、装置及图像识别方法、装置(57)摘要本申请公开了一种图像识别模型的训练方法、装置及图像识别方法、装置，所述图像识别模型的训练方法包括：对原始图像进行特征提取，得到原始图像特征图；基于原始图像特征图，利用对抗混合网络对原始图像进行区域交换处理，得到交换图像及对应的交换图像权重；利用图像识别模型的共享权重网络，确定原始图像的识别结果及对应的第一损失函数值，以及交换图像的识别结果及对应的第二损失函数值；根据交换图像权重对第一损失函数值和所述第二损失函数值进行融合，根据融合后的损失函数值对图像识别模型的参数进行优化。

本申请采用弱监督的方式进行区域混合，引入目标监督信息加快模型收敛，提高了目标区域的定位能力以及模型的识别能力。

权利要求书3页说明书16页附图5页CN 111680701 A 2020.09.18C N 111680701A1.一种图像识别模型的训练方法，其特征在于，包括：对原始图像进行特征提取，得到原始图像特征图；基于所述原始图像特征图，利用对抗混合网络对所述原始图像进行区域交换处理，得到交换图像及对应的交换图像权重；利用图像识别模型的共享权重网络，确定所述原始图像的识别结果及对应的第一损失函数值，以及所述交换图像的识别结果及对应的第二损失函数值；根据所述交换图像权重对所述第一损失函数值和所述第二损失函数值进行融合，根据融合后的损失函数值对所述图像识别模型的参数进行优化。

图像识别模型训练方法及装置[发明专利]

专利名称：图像识别模型训练方法及装置
专利类型：发明专利
发明人：范铭源,赖申其,黄君实,罗钧峰,魏晓明,张珂,苏金明申请号：CN202110033686.4
申请日：20210111
公开号：CN112699893A
公开日：
20210423
专利内容由知识产权出版社提供
摘要：本公开提供了一种图像识别模型训练方法及装置。

所述方法包括：将样本数据输入至预训练的图像识别模型；调用深层特征处理层对所述图像进行处理，得到图像对应的深层特征信息；调用细节特征引导层根据图像真值对图像进行处理，得到图像对应的细节特征值，并根据细节特征值确定细节特征引导层对应的细节损失值；在细节损失值处于第一预设范围内的情况下，将深层特征信息和细节特征值进行融合处理，得到图像对应的预测分类结果；根据初始分类结果和预测分类结果，计算得到图像识别模型的损失值；在损失值处于第二预设范围内的情况下，将训练后的图像识别模型作为目标图像识别模型。

本公开可以使得网络能够更充分的编码空间信息，在提升语义分割性能的同时，不会引入额外的计算量消耗，更不会影响模型的推理速度。

申请人：北京三快在线科技有限公司
地址：100083 北京市海淀区北四环西路9号2106-030
国籍：CN
代理机构：北京润泽恒知识产权代理有限公司
代理人：任亚娟
更多信息请下载全文后查看。

姿态识别方法及姿态识别装置[发明专利]

(10)申请公布号(43)申请公布日 (21)申请号 201410563393.7(22)申请日 2014.10.21G06K 9/00(2006.01)G06F 3/01(2006.01)(71)申请人北京智谷睿拓技术服务有限公司地址100085 北京市海淀区小营西路33号1层1F05室(72)发明人周涵宁(54)发明名称姿态识别方法及姿态识别装置(57)摘要本申请实施例提供了一种姿态识别方法及姿态识别装置。

所述方法包括：获取目标对象所在的目标空间的空间湿度分布信息；至少根据所述空间湿度分布信息，识别所述目标对象至少一时刻的姿态。

本申请各实施例的方法及装置通过目标对象所在空间的湿度分布信息识别目标对象的姿态，对目标空间的环境条件要求较少，简单易行适用范围广。

(51)Int.Cl.(19)中华人民共和国国家知识产权局(12)发明专利申请权利要求书2页说明书9页附图4页(10)申请公布号CN 104392204 A (43)申请公布日2015.03.04C N 104392204A1.一种姿态识别方法，其特征在于，所述方法包括：获取目标对象所在的目标空间的空间湿度分布信息；至少根据所述空间湿度分布信息，识别所述目标对象至少一时刻的姿态。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述目标对象不同姿态下的湿度分布特征数据。

3.根据权利要求2所述的方法，其特征在于，所述识别所述目标对象至少一时刻的姿态包括：将所述空间湿度分布信息与所述湿度分布特征数据做匹配，识别所述目标对象的姿态。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述获取目标对象所在的目标空间的空间湿度分布信息包括：通过至少一湿敏元件获取所述空间湿度分布信息。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：获取所述目标空间的光学图像。

6.根据权利要求5所述的方法，其特征在于，所述识别所述目标对象至少一时刻的姿态包括：至少根据所述空间湿度分布信息以及所述光学图像，识别所述目标对象的姿态。

模型的训练方法及装置、人体姿态识别方法及装置[发明专利]

专利名称：模型的训练方法及装置、人体姿态识别方法及装置专利类型：发明专利
发明人：罗鹏飞,李超龙,吴子扬
申请号：CN202111619948.1
申请日：20211227
公开号：CN114299541A
公开日：
20220408
专利内容由知识产权出版社提供
摘要：本申请提供了一种模型的训练方法及装置、人体姿态识别方法及装置，该方法应用于人体姿态估计模型，包括：将人体姿态样本图像输入初始人体姿态估计模型，以获取人体姿态样本图像上包括的单个人物图像；将单个人物图像输入至少一个单人姿态估计模型，以分别获取至少一个单人姿态估计模型对应的至少一个输出结果，其中至少一个单人姿态估计模型为自顶向下的模型；将至少一个输出结果作为训练指导对初始人体姿态估计模型进行训练，以获取人体姿态估计模型，其中人体姿态估计模型为自底向上的模型，用于识别人体图像中的多个人体姿态。

本申请通过应用高精度的单人姿态估计模型指导人体姿态估计模型的训练，提高了人体姿态估计模型的识别精度和速度。

申请人：科大讯飞股份有限公司
地址：230088 安徽省合肥市高新区望江西路666号
国籍：CN
代理机构：北京布瑞知识产权代理有限公司
代理人：秦卫中
更多信息请下载全文后查看。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910294734.8
(22)申请日 2019.04.12
(71)申请人腾讯科技（深圳）有限公司
地址 518000 广东省深圳市南山区高新区
科技中一路腾讯大厦35层
(72)发明人罗镜民　朱晓龙　王一同　季兴　
(74)专利代理机构北京派特恩知识产权代理有
限公司 11270
代理人李梅香　张颖玲
(51)Int.Cl.
G06K 9/00(2006.01)
G06K 9/62(2006.01)
G06N 3/08(2006.01)
(54)发明名称
姿态识别模型的训练方法、图像识别方法及
装置
(57)摘要
本发明提供了一种姿态识别模型的训练方
法、图像识别方法及装置；姿态识别模型的训练
方法包括：将标注有人体关键点的样本图像，输
入所述姿态识别模型包括的特征图模型，输出对
应所述样本图像的特征图；将所述特征图输入所
述姿态识别模型包括的二维模型，输出用于表征
二维人体姿态的二维关键点参数；将从所述特征
图中剪裁出的目标人体特征图及所述二维关键
点信息，输入所述姿态识别模型包括的三维模
型，输出用于表征三维人体姿态的三维姿态参
数；结合所述二维关键点参数及所述三维姿态参
数，构建目标损失函数；基于所述目标损失函数，
更新所述姿态识别模型的模型参数。

权利要求书3页说明书16页附图11页CN 110020633 A 2019.07.16
C N 110020633
A
权　利　要　求　书1/3页CN 110020633 A
1.一种姿态识别模型的训练方法，其特征在于，所述方法包括：
通过姿态识别模型包括的特征图模型，对标注有人体关键点的样本图像进行处理，获得对应所述样本图像的特征图；
通过所述姿态识别模型包括的二维模型，对所述特征图进行处理，获得用于表征二维人体姿态的二维关键点参数；
通过所述姿态识别模型包括的三维模型，对从所述特征图中剪裁出的目标人体特征图及所述二维关键点参数进行处理，获得用于表征三维人体姿态的三维姿态参数；
结合所述二维关键点参数及所述三维姿态参数，构建目标损失函数；
基于所述目标损失函数，更新所述姿态识别模型的模型参数。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据当前配置场景的类型获取相应类型的关键点集，并确定所述关键点集中的人体关键点；
基于所确定的人体关键点，参照所述关键点集对所述样本图像进行标注。

3.如权利要求2所述的方法，其特征在于，所述关键点集包括：
用于定位人体部位的基准关键点、与所述基准关键点协同表征所属部位的多种三维姿态的扩展关键点。

4.如权利要求1所述的方法，其特征在于，所述目标损失函数包括对应所述三维模型的第一损失函数；所述结合所述二维关键点参数及所述三维姿态参数，构建损失函数，包括：基于所述三维姿态参数，确定相应的二维关键点信息；
结合所述二维模型输出的二维关键点参数、以及基于所述三维姿态参数确定的二维关键点信息，构造对应所述三维模型的第一损失函数。

5.如权利要求4所述的方法，其特征在于，所述目标损失函数还包括对应所述二维模型的损失函数及对应所述三维模型的第二损失函数；
所述二维关键点参数包括：人体关键点的部分亲和字段参数及人体关键点的热力图，所述三维姿态参数包括：人体的形状参数及形态参数；
所述结合所述二维关键点参数及所述三维姿态参数，构建损失函数，包括：
结合所述二维模型输出的部分亲和字段参数与相应人体关键点在样本图像中的部分亲和字段参数的差异、所述二维模型输出的热力图与相应人体关键点在样本图像中的热力图的差异，构建对应所述二维模型的损失函数；
结合所述三维模型输出的形状参数与相应人体在样本图像中的形状参数的差异、所述三维模型输出的形态参数与相应人体在样本图像中的形态参数的差异，构建对应所述三维模型的第二损失函数。

6.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述二维模型输出的所述二维关键点参数，确定所述特征图中的目标人体；
根据确定的目标人体对所述特征图进行剪裁，得到所述目标人体的特征图。

7.如权利要求1所述的方法，其特征在于，所述基于所述目标损失函数，更新所述姿态识别模型的模型参数，包括：
基于所述二维模型输出的所述二维关键点参数及所述三维模型输出的所述三维姿态参数，确定所述目标损失函数的值；
2。