[发明专利]关键点数据增强方法和装置、以及关键点检测方法和装置

说明书

本公开提出一种关键点数据增强方法和装置、以及关键点检测方法和装置，涉及计算机技术领域。在本公开中，利用第一关键点数据集合中的所有关键点数据的坐标信息，生成基准数据；计算第一关键点数据集合中的每条关键点数据与基准数据之间的差异度；根据第一关键点数据集合中的每条关键点数据与基准数据之间的差异度，将第一关键点数据集合进行分组；根据每个分组内的关键点数据的数量，确定每个分组中的关键点数据的复制次数；根据复制次数复制相应分组内对应的每条关键点数据，将复制所得的关键点数据的集合作为第二关键点数据集合。实现了数据增强的同时，无需额外收集和标注其他关键点数据，避免了浪费额外较大的人工成本。

技术领域

本公开涉及计算机技术领域，特别涉及一种关键点数据增强方法和装置、以及关键点检测方法和装置。

背景技术

关键点检测，也被称为关键点定位或关键点对齐，其任务是指，在给定一张待检测的图像数据以后，定位出该图像数据中的关键特征点。例如在人脸关键点检测中，关键特征点例如可以是眼睛、眉毛、嘴唇、鼻子等部位的特征点。在构建关键点检测模型时，需要预先收集一定量的预先标注了关键点的训练数据，利用这些训练数据来构建关键点检测模型。

目前主流的关键点数据集，通常是不均衡的数据集，即，正向无偏转的数据更多，而某些特殊角度、特殊光线或者部分遮挡的数据较少。利用不均衡数据集进行训练，来得到关键点检测模型，会导致关键点检测模型对正向无偏转的数据具有较好的定位的准确度，但是对某些特殊角度、特殊光线或者部分遮挡的数据的检测准确度较低。也就是说，利用不均衡数据集进行训练，会降低关键点检测模型的稳定性和泛化性能。

在一些相关技术中，通过额外收集这类特殊数据，并且需要人工根据特定关键点的顺序在图像数据上标注关键点，来达到数据增强的目的，从而解决利用不均衡数据集来构建关键点检测模型而导致的模型准确率和泛化性能降低的问题。

发明内容

发明人发现，在相关技术中，通过额外收集特殊的关键点数据，并提供人工标注的方法，来达到数据增强的目的，从而提高模型训练的稳定性和泛化性能，这种数据增强的方法需要浪费额外较大的人工成本。

为此，本公开提供一种能够避免浪费额外较大的人工成本的关键点数据增强方法。

在本公开的实施例中，利用第一关键点数据集合中的所有关键点数据的坐标信息，生成基准数据；计算第一关键点数据集合中的每条关键点数据与基准数据之间的差异度；根据第一关键点数据集合中的每条关键点数据与基准数据之间的差异度，将第一关键点数据集合进行分组；根据每个分组内的关键点数据的数量，确定每个分组中的关键点数据的复制次数；根据每个分组对应的复制次数，复制相应组内对应的每条关键点数据，将复制后所得的关键点数据集合作为第二关键点数据集合。通过计算关键点数据与基准数据的差异度，区分出特殊的关键点数据和常见的关键点数据，并根据预设规则分别设置不同的复制次数，将特殊的关键点数据复制较多的次数，增大特殊的关键点数据的数量，以达到数据增强的目的。该方法根据已有的关键点数据集进行数据增强处理，无需额外收集和标注其他的关键点数据，避免浪费额外较大的人工成本。从而使得利用增强后的所有关键点数据训练关键点检测模型，能够提高关键点检测模型的稳定性和泛化性。

根据本公开的一些实施例，提供一种关键点数据增强方法，其中，包括：利用第一关键点数据集合中的所有关键点数据的坐标信息，生成基准数据；计算所述第一关键点数据集合中的每条关键点数据与所述基准数据之间的差异度；根据所述第一关键点数据集合中的每条关键点数据与所述基准数据之间的差异度，将所述第一关键点数据集合进行分组；根据每个分组内的关键点数据的数量，确定每个分组中的关键点数据的复制次数；根据每个分组对应的所述复制次数，复制相应分组内对应的每条关键点数据，将复制后所得的关键点数据集合作为第二关键点数据集合。