[发明专利]确定图像的特征数据的方法、装置、电子设备及存储介质

说明书

本公开是关于一种确定图像的特征数据的方法、装置、电子设备及存储介质，属于机器学习技术领域。所述方法包括获取目标图像；将所述目标图像，输入预先训练的特征图像提取模型，得到所述目标图像对应的特征图像；将所述特征图像，分别输入预先训练的多个分别执行多任务的多项式回归器，得到所述目标图像的多个特征数据，其中，所述多任务为非线性回归任务，所述多项式回归器通过解除所述多任务的耦合来执行所述多任务，所述多项式回归器的阶数均大于1。采用本公开在进行多任务回归时，得到的单个任务的特征数据更加准确。

技术领域

本公开涉及机器学习技术领域，尤其涉及一种确定图像的特征数据的方法、装置、电子设备及存储介质。

背景技术

随着机器学习的发展，类似于人脸关键点检测、人体关键点检测和人脸姿态估计等任务，使用基于深度学习的回归模型均可完成。基于机器学习的回归模型的基本结构多为机器学习模型后接回归器，其中，机器学习模型用于获取输入图像的特征图像，回归器则基于特征图像得出相应特征数据，如人脸关键点位置数据、人体关键点位置数据、人脸姿态数据等。

相关技术中，基于机器学习的回归模型基本为机器学习模型后接单项式回归器，此类模型结构简单，训练学习速度快，调参方便。对于简单的回归任务可以很好的完成。

在实现本公开的过程中，发明人发现相关技术至少存在以下问题：

在使用回归模型进行多任务回归时，多任务间可能有较强的耦合关系，并非简单的线性关系，例如，人脸关键点检测，要同时得到多个人脸关键点坐标，而人脸为非刚体，各人脸关键点间的耦合较强。此类情况使用单项式回归器，得到单个任务的特征数据并不准确。

发明内容

本公开提供一种确定图像的特征数据的方法，能够克服在多任务回归时，得到的单个任务的特征数据并不准确的问题。

根据本公开实施例的第一方面，提供一种确定图像的特征数据的方法，包括：

获取目标图像；

将所述目标图像，输入预先训练的特征图像提取模型，得到所述目标图像对应的特征图像；

将所述特征图像，分别输入预先训练的多个分别执行多任务的多项式回归器，得到所述目标图像的多个特征数据，其中，所述多任务为非线性回归任务，所述多项式回归器通过解除所述多任务的耦合来执行所述多任务，所述多项式回归器的阶数均大于1。

可选的，所述方法还包括：

获取样本图像和对应的样本特征数据；

将所述样本图像作为样本输入数据，所述样本特征数据作为样本输出数据，对初始特征图像提取模型和多个初始多项式回归器进行训练，得到所述图像特征提取模型和所述多个分别执行多任务的多项式回归器。

可选的，所述特征图像提取模型为视觉几何组VGG模型。

可选的，所述多项式回归器为：

y＝A_nf(x)ⁿ+A_n-1f(x)^n-1+…A₁f(x)+A₀，其中，A₁…A_n为向量化参数，A₀为常量参数，f(x)为所述特征图像，n为所述多项式回归器的阶数，y为所述特征数据。

可选的，所述多个多项式回归器的阶数相同。

可选的，所述特征数据为人脸关键点位置数据、人体关键点位置数据或人脸姿态数据。

根据本公开实施例的第二方面，提供一种确定图像的特征数据的装置，包括：

获取单元，被配置为获取目标图像；