[发明专利]用于构建关键点学习模型的方法、装置、电子设备及可读存储介质

权利要求书

1.一种用于构建关键点学习模型的方法，包括：

获取已标注人体关键点的标注数据和未标注人体关键点的未标注数据；

将所述标注数据通过初始预测模型和初始判别器按有监督训练方式进行训练，得到第一预测模型和第一判别器；

将所述未标注数据通过所述第一预测模型和所述第一判别器按无监督训练方式进行训练，得到第二预测模型和第二判别器；

根据所述第二预测模型和所述第二判别器构建关键点学习模型。

2.根据权利要求1所述的方法，其中，所述将所述标注数据通过初始预测模型和初始判别器按有监督训练方式进行训练，得到第一预测模型和第一判别器，包括：

利用所述初始预测模型预测得到所述标注数据的第一关键点预测值；

根据所述第一关键点预测值与所述标注数据中的关键点实际值的差值，修正所述初始预测模型的预测参数，得到所述第一预测模型；

利用所述初始判别器对所述第一关键点预测值和所述关键点实际值的判别准确度，修正所述初始判别器的判别参数，得到第一判别器。

3.根据权利要求1所述的方法，其中，所述将所述未标注数据通过所述第一预测模型和所述第一判别器按无监督训练方式进行训练，得到第二预测模型和第二判别器，包括：

利用所述第一预测模型预测得到所述未标注数据的第二关键点预测值；

利用所述第一判别器对所述第二关键点预测值和对应的关键点实际值的判别准确度，修正所述第一预测模型的预测参数和所述第一判别器的判别参数，得到第二预测模型和第二判别器。

4.根据权利要求1所述的方法，其中，所述初始判别器基于三层全连接层、一层归一化层和二分类器构建得到，所述三层全连接层依次连接。

5.根据权利要求1所述的方法，还包括：

利用所述关键点学习模型对新的未标注数据进行关键点的预测。

6.根据权利要求1至5任一项所述的方法，还包括：

对所述关键点学习模型输出的人体关键点的位姿进行标注，得到人体位姿数据。

7.根据权利要求6所述的方法，还包括：

将所述人体位姿数据同步至相同用户在虚拟场景下创建的虚拟人物的对应人体关键点。

8.一种用于构建关键点学习模型的装置，包括：

标注/未标注数据获取单元，被配置用于获取已标注人体关键点的标注数据和未标注人体关键点的未标注数据；

有监督训练单元，被配置用于将所述标注数据通过初始预测模型和初始判别器按有监督训练方式进行训练，得到第一预测模型和第一判别器；

无监督训练单元，被配置用于将所述未标注数据通过所述第一预测模型和所述第一判别器按无监督训练方式进行训练，得到第二预测模型和第二判别器；

关键点学习模型构建单元，被配置用于根据所述第二预测模型和所述第二判别器构建关键点学习模型。

9.根据权利要求8所述的装置，其中，所述有监督训练单元进一步被配置用于：

利用所述初始预测模型预测得到所述标注数据的第一关键点预测值；

根据所述第一关键点预测值与所述标注数据中的关键点实际值的差值，修正所述初始预测模型的预测参数，得到所述第一预测模型；

利用所述初始判别器对所述第一关键点预测值和所述关键点实际值的判别准确度，修正所述初始判别器的判别参数，得到第一判别器。

10.根据权利要求8所述的装置，其中，所述无监督训练单元进一步被配置用于：

利用所述第一预测模型预测得到所述未标注数据的第二关键点预测值；

利用所述第一判别器对所述第二关键点预测值和对应的关键点实际值的判别准确度，修正所述第一预测模型的预测参数和所述第一判别器的判别参数，得到第二预测模型和第二判别器。