[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

说明书

本申请实施例公开了用于构建关键点学习模型的方法、装置、电子设备及计算机可读存储介质，涉及图像处理、图像标注、人工智能、机器学习技术领域。该方法的一具体实施方式包括：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；然后，将该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；接着，将该未标注数据通过该第一预测模型和该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；最后，根据该第二预测模型和该第二判别器构建关键点学习模型。该实施方式充分利用了大量存在的未标注数据，降低了构建得到关键点学习模型的门槛和难度。

技术领域

本申请涉及数据处理技术领域，具体涉及图像处理、图像标注、人工智能、机器学习技术领域，尤其涉及用于构建关键点学习模型的方法、装置、电子设备及计算机可读存储介质。

背景技术

随着互联网技术的发展以及人机交互应用的普及，获取准确、合理的人体关键点技术的应用价值也越来越高，例如在一些体感游戏、人体行为分析、虚拟形象驱动等领域都开始应用了这项技术，甚至在当前的儿童教育、直播特效等都有了很不错的应用进展。

准确的人体关键点是在上述应用场景下实现优良效果的关键，现有技术提供了一种利用机器学习和深度学习算法来构建关键点学习模型的思路，其在构建过程中需要大量、精确的已标注人体关键点的标注数据参与训练。

发明内容

本申请实施例提出了一种用于构建关键点学习模型的方法、装置、电子设备及计算机可读存储介质。

第一方面，本申请实施例提出了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；将未标注数据通过第一预测模型和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；根据第二预测模型和第二判别器构建关键点学习模型。

第二方面，本申请实施例提出了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，被配置用于将未标注数据通过第一预测模型和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，被配置用于根据第二预测模型和第二判别器构建关键点学习模型。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现如第一方面中任一实现方式描述的用于构建关键点学习模型的方法。

第四方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行时能够实现如第一方面中任一实现方式描述的用于构建关键点学习模型的方法。

本申请实施例提供的用于构建关键点学习模型的方法、装置、电子设备及计算机可读存储介质，首先，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；然后，将该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；接着，将该未标注数据通过该第一预测模型和该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；最后，根据该第二预测模型和该第二判别器构建关键点学习模型。