CN115578451A - 图像处理方法、图像处理模型的训练方法和装置 - Google Patents
图像处理方法、图像处理模型的训练方法和装置 Download PDFInfo
- Publication number
- CN115578451A CN115578451A CN202211216008.2A CN202211216008A CN115578451A CN 115578451 A CN115578451 A CN 115578451A CN 202211216008 A CN202211216008 A CN 202211216008A CN 115578451 A CN115578451 A CN 115578451A
- Authority
- CN
- China
- Prior art keywords
- image
- points
- key
- target
- key point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012549 training Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012545 processing Methods 0.000 title claims abstract description 47
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000010586 diagram Methods 0.000 claims description 35
- 238000001514 detection method Methods 0.000 claims description 32
- 238000013528 artificial neural network Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 14
- 241001465754 Metazoa Species 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 238000013135 deep learning Methods 0.000 abstract description 3
- 230000003190 augmentative effect Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 210000000707 wrist Anatomy 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241000282326 Felis catus Species 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像处理方法、图像处理模型的训练方法和装置,涉及人工智能技术领域,具体涉及图像处理、计算机视觉、增强现实和深度学习、虚拟数字人等技术领域,可应用于元宇宙等场景。实现方案为:获得目标图像,目标图像中包括目标对象,目标对象与目标类型对应,目标类型对应有多个关键点,多个关键点中的每一个关键点具有相应的结构化信息,结构化信息至少指示多个关键点中与相应关键点相邻的至少一个关键点;基于目标图像,获得多个关键点中的每一个关键点对应的关键点特征;以及基于多个关键点中的每一个关键点对应的关键点特征和结构化信息,获得多个关键点中的每一个关键点在目标图像中对应的位置。
Description
技术领域
本公开涉及人工智能技术领域,具体涉及图像处理、计算机视觉、增强现实和深度学习等技术领域,可应用于元宇宙、虚拟数字人等场景,具体涉及一种图像处理方法、图像处理模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
于人工智能的图像处理技术,通过对包含对象的图像进行处理,可以估计处图像中的对象的姿态,根据所估计的姿态,可以实现三维动画制作、虚拟现实等应用。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种图像处理方法、图像处理模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种图像处理方法,包括:获得目标图像,所述目标图像中包括目标对象,所述目标对象与目标类型对应,所述目标类型对应有多个关键点,所述多个关键点中的每一个关键点具有相应的结构化信息,所述结构化信息至少指示所述多个关键点中与所述结构化信息的相应关键点相邻的至少一个关键点;基于所述目标图像,获得所述多个关键点中的每一个关键点对应的关键点特征;以及基于所述多个关键点中的每一个关键点对应的关键点特征和结构化信息,获得所述多个关键点中的每一个关键点在所述目标图像中对应的位置。
根据本公开的另一方面,提供了一种图像处理模型的训练方法,所述图像处理模型包括关键点检测网络和图神经网络,所述方法包括:获得包含训练对象的训练图像,所述训练对象与目标类型相应,所述目标类型对应有多个关键点,所述多个关键点中的每一个关键点具有相应的结构化信息,所述结构化信息至少指示所述多个关键点中与所述结构化信息的相应关键点相邻的至少一个关键点;获得所述训练图像的标注标签,所述标注标签指示所述多个关键点中的每一个关键点在所述目标图像中的位置;将所述训练图像输入到所述关键点检测网络,以获得所述训练图像中与所述多个关键点分别对应的多个第一预测点和所述多个第一预测点中的每一个第一预测点对应的预测点特征;将所述多个第一预测点中的每一个第一预测点对应的预测点特征和结构化信息输入至所述图神经网络,以获得所述训练图像中与所述多个关键点分别对应的多个第二预测点;以及基于所述标注标签、所述多个第一预测点和所述多个第二预测点,调整所述图像处理模型的参数。
根据本公开的另一方面,提供了一种图像处理装置,包括:目标图像获取单元,被配置用于获得目标图像,所述目标图像中包括目标对象,所述目标对象与目标类型对应,所述目标类型对应有多个关键点,所述多个关键点中的每一个关键点具有相应的结构化信息,所述结构化信息至少指示所述多个关键点中与所述结构化信息的相应关键点相邻的至少一个关键点;关键点特征获取单元,被配置用于基于所述目标图像,获得所述多个关键点中的每一个关键点对应的关键点特征;以及关键点位置预测单元,被配置用于基于所述多个关键点中的每一个关键点对应的关键点特征和结构化信息,获得所述多个关键点中的每一个关键点在所述目标图像中对应的位置。
根据本公开的另一方面,提供了一种图像处理模型的训练装置,所述图像处理模型包括关键点检测网络和图神经网络,装置方法包括:训练图像获取单元,被配置用于获得包含训练对象的训练图像,所述训练对象与目标类型相应,所述目标类型对应有多个关键点,所述多个关键点中的每一个关键点具有相应的结构化信息,所述结构化信息至少指示所述多个关键点中与所述结构化信息的相应关键点相邻的至少一个关键点;标注标签获取单元,被配置用于获得所述训练图像的标注标签,所述标注标签指示所述多个关键点中的每一个关键点在所述目标图像中的位置;图像输入单元,被配置用于将所述训练图像输入到所述关键点检测网络,以获得所述训练图像中与所述多个关键点分别对应的多个第一预测点和所述多个第一预测点中的每一个第一预测点对应的预测点特征;特征输入单元,被配置用于将所述多个第一预测点中的每一个第一预测点对应的预测点特征和结构化信息输入至所述图神经网络,以获得所述训练图像中与所述多个关键点分别对应的多个第二预测点;以及参数调整单元,被配置用于基于所述标注标签、所述多个第一预测点和所述多个第二预测点,调整所述图像处理模型的参数。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行根据本公开的实施例项所述的方法。
根据本公开的另一方面,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,其中,所述计算机指令用于使所述计算机执行根据本公开的实施例所述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据本公开的实施例所述的方法。
根据本公开的一个或多个实施例,可以提升所获得的各个关键点在目标图像中的位置的准确性,从而获得目标图像中的目标对象的准确姿态。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的图像处理方法的流程图;
图3示出了根据本公开的实施例的图像处理方法中的目标类型对应的模型的示意图;
图4示出了根据本公开的实施例的图像处理方法中基于所述目标图像,获得所述多个关键点中的每一个关键点对应的关键点特征的过程的流程图;
图5示出了可以实现根据本公开的实施例的图像处理模型的训练方法的流程图;
图6示出了根据本公开的实施例的图像处理装置的结构框图;
图7示出了根据本公开的实施例的图像处理模型的训练装置的结构框图;以及
图8示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个要素与另一要素区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行根据本公开的图像处理方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来获得根据本公开的图像处理方法中所获得的多个关键点中的每一个关键点在目标图像中的位置。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
在相关技术中,通过关键点检测获得图像中人体的关节点,基于关节点获得人体的姿态,由于关键点检测过程采用经标注的训练数据进行训练的关键点检测模型,缺少人体先验,使得所获得的检测结果无法进一步提升,在图像中的人体被遮挡的情况下,检测结果往往不准确。
根据本公开的一方面,还提供了一种图像处理方法。参看图2,图像处理方法200包括:
步骤S210:获得目标图像,所述目标图像中包括目标对象,所述目标对象与目标类型对应,所述目标类型对应有多个关键点,所述多个关键点中的每一个关键点具有相应的结构化信息,所述结构化信息至少指示所述多个关键点中与所述结构化信息的相应关键点相邻的至少一个关键点;
步骤S220:基于所述目标图像,获得所述多个关键点中的每一个关键点对应的关键点特征;以及
步骤S230:基于所述多个关键点中的每一个关键点对应的关键点特征和结构化信息,获得所述多个关键点中的每一个关键点在所述目标图像中对应的位置。
通过获得包括与目标类型对应的目标对象的目标图像,并基于目标图像获得目标类型对应的多个关键点中的每一个关键点对应的关键点特征,再结合多个关键点中的每一个关键点的结构化信息,获得关键点在目标图像中的位置,由于在获得关键点在目标图像中的位置的过程中,结合了基于目标图像获得的关键点的关键点特征和关键点的结构化信息,即结合了目标类型的对象的结构上的先验知识,使得结构化信息能够对仅仅基于目标图像获得关键点位置的过程进行修正,提高了所获得关键点的位置的准确性。
在一些实施例中,目标图像可以是任意包含目标对象的图像,其中目标对象可以是人、动物、植物、飞机等任意对象。
在一些实施例中,目标类型可以是任意具有固定结构的对象类型,例如,人体类型或者猫、狗和鸟等任意动物类型中的任意一种类型。具有固定结构的对象类型是指对应于该对象类型的所有对象对应于统一的模型或者结构,当确定一对象对应于该模型或者结构,可以确定该对象属于该对象类型。
例如,对于人体类型,其相应的模型可以是具有蒙皮的多人线性模型(SkinnedMulti-Person Linear Model,SMPL模型)。
同时,由于目标类型具有相应的模型或者结构,其具有相应的多个关键点,该多个关键点中的每一个关键点可以是模型上的多个部位中的相邻两个部位的连接点,或者该多个关键点可以是基于其能够定义该对象类型的结构的点。
在根据本公开的一些实施例中,目标类型包括人体或者多个动物类型中的任一个动物类型,所述多个关键点包括多个关节点。
例如,目标类型为人体,多个关键点为人体的多个关节点。参看图3,示出了根据本公开的一些实施例的目标类型对应的模型的示意图,其中,目标类型对应的多个关键点包括在该模型上的23个关节点。
在一些实施例中,如图4所示,基于所述目标图像,获得所述多个关键点中的每一个关键点对应的关键点特征包括:
步骤S410:获得所述目标图像的图像特征,所述图像特征包括与所述多个关键点对应的多个通道特征,所述多个通道特征中的每一个通道特征指示相应关键点在所述目标图像中对应的位置;
步骤S420:基于所述多个通道特征,获得所述多个关键点中的每一个关键点对应的关键点特征。
通过获得目标图像的包含有多个通道特征的图像特征,该多个通道特征与多个关键点对应,并基于该多个通道特征,获得多个关键点中的每一个关键点对应的关键点特征,实现图像特征的获得。
在一些实施例中,利用关键点检测模型,获得所述目标图像的图像特征,其中,关键点检测模型是采用包含有与所述目标类型相应的训练对象的训练图像训练获得的,所述训练图像具有相应的标注标签,所述标注标签指示所述多个关键点中的每一个关键点在所述训练图像中的位置。
通过将目标图像输入至关键点检测模型,以获得图像特征,实现图像特征的获得。
例如,目标类型为人体类型,关键点检测模型是采用包含人的训练图像训练获得的,在训练图像中对人的23个关节点的位置进行标注,获得该训练图像的标注标签。
在一些实施例中,关键点特征为关键点在目标图像中对应的位置,通过获得关键点在目标图像中对应的位置,获得该关键点的关键点特征。
在一些实施例中,关键点特征包括所述相应关键点对应的热力图,所述热力图与所述目标图像相应,并且所述热力图中的每一个位置的响应值指示所述目标图像中与该位置相应的像素位置对应于所述相应关键点的概率。
在获得多个关键点中的每一个关键点的关键点特征之后,进一步将关键点特征与关键点的结构化信息结合,对根据该关键点的关键点特征获得的位置进行修正,以获得准确度更高的位置。
由于目标类型具有相应的模型或者结构,并且其相应的多个关键点中的每一个关键点可以是模型上的多个部位中的相邻两个部位的连接点,或者该多个关键点可以是基于其能够定义该对象类型的结构的点,使得该多个关键点之间具有结构化关系,该结构化关系指示各个关键点之间的连接关系。
继续参看图3,在目标类型为人体类型时,其上的23个关键点为人体的关节点,由于关节点之间的连接具有人体先验性,使得各个关键点之间具有结构化关系,该结构化关系定义每个关键点的结构化信息。
根据本公开的一些实施例中,结构化信息至少指示所述多个关键点中与相应关键点相邻的至少一个关键点。
例如,继续参看图3,针对手掌部上的关节点23对应的关键点,由于手掌部上的关节点23与手腕部上的关节点21相邻并且相连,而不与手肘部的关节点19相邻和相连,使得手掌部上的关节点23对应的关键点的结构化信息指示该关键点与手腕部上的关节点21对应的关键点相邻并且相连。
在其他实施例中,结构化信息还可以指示相邻的关键点之间的相对距离或者关键点之间的对称性。
例如,继续参看图3,手掌部上的关节点23对应的关键点与相邻的关键点(手腕部上的关节点21对应的关键点)之间的距离,和手掌部上的关节点22对应的关键点与相邻的关键点(手腕部上的关节点20对应的关键点)之间的距离一致,而远小于膝部上的关节点5对应的关键点与脚踝部上的关节点8对应的关键点之间的距离。
可以理解,结构化信息可以指示目标类型对应的模型或结构中的任何与结构有关的信息,在此并不限定。
在一些实施例中,基于关键点的结构化信息对关键点特征进行修正,以获得更新的特征,基于更新的特征,获得关键点在目标图像中的位置。
在一些实施例中,基于所述多个关键点中的每一个关键点对应的关键点特征和结构化信息,获得所述多个关键点中的每一个关键点在所述目标图像中对应的位置包括:
将所述多个关键点中的每一个关键点对应的结构化信息和关键点特征输入到与所述目标类型相应的图神经网络,以获得所述多个关键点中的每一个关键点在所述目标图像中的位置。
图神经网络聚合关键点的结构化信息和关键点特征,基于聚合后的信息获得关键点在目标图像中位置,由于结合了结构化信息中的目标类型对应的模型或结构的先验知识,使得所获得的关键点的位置更加准确。
在一些实施例中,根据本公开的实施例的图像处理方法,在获得多个关键点中的每一个关键点在目标图像中的位置之后,基于多个关键点中的每一个关键点在目标图像中的位置确定该目标对象在目标图像中的姿态。
例如,当目标对象为人时,确定与人的23个关节点对应的23个关键点在目标图像中的位置之后,根据这23个关键点的位置确定目标图像中的人的姿态,根据该姿态可以进行动画制作。
根据本公开的另一方面,还提供了一种图像处理模型的训练方法,所述图像处理模型包括关键点检测网络和图神经网络。如图5所示,根据本公开的一些实施例的图像处理模型的训练方法500包括:
步骤S510:获得包含训练对象的训练图像,所述训练对象与目标类型相应,所述目标类型对应有多个关键点,所述多个关键点中的每一个关键点具有相应的结构化信息,所述结构化信息至少指示所述多个关键点中与所述结构化信息的相应关键点相邻的至少一个关键点;
步骤S520:获得所述训练图像的标注标签,所述标注标签指示所述多个关键点中的每一个关键点在所述目标图像中的位置;
步骤S530:将所述训练图像输入到所述关键点检测网络,以获得所述训练图像中与所述多个关键点分别对应的多个第一预测点和所述多个第一预测点中的每一个第一预测点对应的预测点特征;
步骤S540:将所述多个第一预测点中的每一个第一预测点对应的预测点特征和结构化信息输入至所述图神经网络,以获得所述训练图像中与所述多个关键点分别对应的多个第二预测点;以及
步骤S550:基于所述标注标签、所述多个第一预测点和所述多个第二预测点,调整所述图像处理模型的参数。
通过上述方法训练的图像处理模型,可以通过输入图像获得与目标类型对应的多个关键点中的每一个关键点对应第一预测点和该第一预测点的预测点特征,通过将该多个第一预测点中的每一个第一预测点的预测点特征与相应的关键点的结构化信息,获得相应的第二预测点,由于在获得第二预测点的过程中,结合了相应第一预测点的预测点特征和相应关键点的结构化信息,即结合了输入图像中关键点对应的图像特征也结合了与目标类型相应的对象的结构上的先验知识,使得结构化信息能够对第一预测点的位置进行修正,进而使得所获得的第二预测点的位置的准确性高。
在一些实施例中,先训练关键点检测网络再训练图神经网络。
在根据本公开的实施例中,同时训练关键点检测网络和图神经网络,使得关键点检测网络和图神经网络在同一训练任务中训练,实现多任务协同训练和协同学习,提升模型训练效率和训练后模型处理结果的准确性。
在一些实施例中,训练图像可以是包含与目标类型对应的对象的任意图像,该与目标类型对应的对象为训练对象。
在一些实施例中,目标类型可以是任意具有固定结构的对象类型,例如,人体类型或者猫、狗和鸟等任意动物类型中的任意一种类型。具有固定结构的对象类型是指对应于该对象类型的所有对象对应于统一的模型或者结构,当确定一对象对应于该模型或者结构,可以确定该对象属于该对象类型。
例如,对于人体类型,其相应的模型可以是具有蒙皮的多人线性模型(SkinnedMulti-Person Linear Model,SMPL模型)。
同时,由于目标类型具有相应的模型或者结构,其具有相应的多个关键点,该多个关键点中的每一个关键点可以是模型上的多个部位中的相邻两个部位的连接点,或者该多个关键点可以是基于其能够定义该对象类型的结构的点。
在根据本公开的一些实施例中,目标类型包括人体或者多个动物类型中的任一个动物类型,所述多个关键点包括多个关节点。
在一些实施例中,关键点检测网络在获得多个第一预测点的过程中,获得的图像特征,该图像特征包括多个第一预测点的每一个第一预测点的预测点特征。
在一些实施例中,图像特征包括多个通道特征,该多个通道特征与多个第一预测点分别对应,并且根据每个通道的通道特征,可以获得该通道特征相应的第一预测点在训练图像中的位置。
在一些实施例中,所述多个第一预测点中的每一个第一预测点对应的预测点特征包括该第一预测点对应的热力图,所述热力图与所述训练图像相应,并且所述热力图中的每一个位置的响应值指示所述训练图像中与该位置相应的像素位置对应于该第一预测点的概率。
在一些实施例中,基于所述标注标签、所述多个第一预测点和所述多个第二预测点,调整所述图像处理模型的参数包括:基于所述标注标签和所述多个第一预测点,获得第一损失,并且基于所述第一损失调整关键点检测网络的参数;以及基于所述标注标签和所述多个第二预测点,获得第二损失,并且基于第二损失调整图神经网络的参数。
在一些实施例中,还基于第二损失调整关键点检测网络的参数。
在一些实施例中,预测点特征是第一预测点在训练图像中的位置。
根据本公开的另一方面,还提供一种图像处理装置,如图6所示,装置600包括:目标图像获取单元610,被配置用于获得目标图像,所述目标图像中包括目标对象,所述目标对象与目标类型对应,所述目标类型对应有多个关键点,所述多个关键点中的每一个关键点具有相应的结构化信息,所述结构化信息至少指示所述多个关键点中与所述结构化信息的相应关键点相邻的至少一个关键点;关键点特征获取单元620,被配置用于基于所述目标图像,获得所述多个关键点中的每一个关键点对应的关键点特征;以及关键点位置预测单元630,被配置用于基于所述多个关键点中的每一个关键点对应的关键点特征和结构化信息,获得所述多个关键点中的每一个关键点在所述目标图像中对应的位置。
在一些实施例中,所述关键点特征获取单元包括:图像特征获取单元,被配置用于获得所述目标图像的图像特征,所述图像特征包括与所述多个关键点对应的多个通道特征,所述多个通道特征中的每一个通道特征指示相应关键点在所述目标图像中对应的位置;以及关键点特征获取子单元,被配置用于基于所述多个通道特征,获得所述多个关键点中的每一个关键点对应的关键点特征。
在一些实施例中,所述图像特征获取单元包括:将所述目标图像输入至与所述目标类型相应的关键点检测模型,以获得所述图像特征,其中,所述关键点检测模型是采用包含有与所述目标类型相应的训练对象的训练图像训练获得的,所述训练图像具有相应的标注标签,所述标注标签指示所述多个关键点中的每一个关键点在所述训练图像中的位置。
在一些实施例中,所述关键点特征包括所述相应关键点对应的热力图,所述热力图与所述目标图像相应,并且所述热力图中的每一个位置的响应值指示所述目标图像中与该位置相应的像素位置对应于所述相应关键点的概率。
在一些实施例中,所述基于所述多个关键点中的每一个关键点对应的关键点特征和结构化信息,获得所述多个关键点中的每一个关键点在所述目标图像中对应的位置包括:
将所述多个关键点中的每一个关键点对应的结构化信息和关键点特征输入到与所述目标类型相应的图神经网络,以获得所述多个关键点中的每一个关键点在所述目标图像中的位置。
在一些实施例中,所述目标类型包括人体或者多个动物类型中的任一个动物类型,所述多个关键点包括多个关节点。
根据本公开的另一方面,还提供一种图像处理模型的训练装置,所述图像处理模型包括关键点检测网络和图神经网络,如图7所示,装置700包括:训练图像获取单元710,被配置用于获得包含训练对象的训练图像,所述训练对象与目标类型相应,所述目标类型对应有多个关键点,所述多个关键点中的每一个关键点具有相应的结构化信息,所述结构化信息至少指示所述多个关键点中与所述结构化信息的相应关键点相邻的至少一个关键点;标注标签获取单元720,被配置用于获得所述训练图像的标注标签,所述标注标签指示所述多个关键点中的每一个关键点在所述目标图像中的位置;图像输入单元730,被配置用于将所述训练图像输入到所述关键点检测网络,以获得所述训练图像中与所述多个关键点分别对应的多个第一预测点和所述多个第一预测点中的每一个第一预测点对应的预测点特征;特征输入单元740,被配置用于将所述多个第一预测点中的每一个第一预测点对应的预测点特征和结构化信息输入至所述图神经网络,以获得所述训练图像中与所述多个关键点分别对应的多个第二预测点;以及参数调整单元750,被配置用于基于所述标注标签、所述多个第一预测点和所述多个第二预测点,调整所述图像处理模型的参数。
在一些实施例中,所述多个第一预测点中的每一个第一预测点对应的预测点特征包括该第一预测点对应的热力图,所述热力图与所述训练图像相应,并且所述热力图中的每一个位置的响应值指示所述训练图像中与该位置相应的像素位置对应于该第一预测点的概率。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图8,现将描述可以作为本公开的服务器或客户端的电子设备800的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,电子设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM803中,还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805,包括:输入单元806、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向电子设备800输入信息的任何类型的设备,输入单元806可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元807可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元808可以包括但不限于磁盘、光盘。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如方法200。例如,在一些实施例中,方法200可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的方法200的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (20)
1.一种图像处理方法,包括:
获得目标图像,所述目标图像中包括目标对象,所述目标对象与目标类型对应,所述目标类型对应有多个关键点,所述多个关键点中的每一个关键点具有相应的结构化信息,所述结构化信息至少指示所述多个关键点中与所述结构化信息的相应关键点相邻的至少一个关键点;
基于所述目标图像,获得所述多个关键点中的每一个关键点对应的关键点特征;以及
基于所述多个关键点中的每一个关键点对应的关键点特征和结构化信息,获得所述多个关键点中的每一个关键点在所述目标图像中对应的位置。
2.根据权利要求1所述的方法,其中,所述基于所述目标图像,获得所述多个关键点中的每一个关键点对应的关键点特征包括:
获得所述目标图像的图像特征,所述图像特征包括与所述多个关键点对应的多个通道特征,所述多个通道特征中的每一个通道特征指示相应关键点在所述目标图像中对应的位置;
基于所述多个通道特征,获得所述多个关键点中的每一个关键点对应的关键点特征。
3.根据权利要求2所述的方法,其中,所述获得所述目标图像的图像特征包括:
将所述目标图像输入至与所述目标类型相应的关键点检测模型,以获得所述图像特征,其中,所述关键点检测模型是采用包含有与所述目标类型相应的训练对象的训练图像训练获得的,所述训练图像具有相应的标注标签,所述标注标签指示所述多个关键点中的每一个关键点在所述训练图像中的位置。
4.根据权利要求2所述的方法,其中,所述关键点特征包括所述相应关键点对应的热力图,所述热力图与所述目标图像相应,并且所述热力图中的每一个位置的响应值指示所述目标图像中与该位置相应的像素位置对应于所述相应关键点的概率。
5.根据权利要求1所述的方法,其中,所述基于所述多个关键点中的每一个关键点对应的关键点特征和结构化信息,获得所述多个关键点中的每一个关键点在所述目标图像中对应的位置包括:
将所述多个关键点中的每一个关键点对应的结构化信息和关键点特征输入到与所述目标类型相应的图神经网络,以获得所述多个关键点中的每一个关键点在所述目标图像中的位置。
6.根据权利要求3所述的方法,其中,所述目标类型包括人体或者多个动物类型中的任一个动物类型,所述多个关键点包括多个关节点。
7.一种图像处理模型的训练方法,所述图像处理模型包括关键点检测网络和图神经网络,所述方法包括:
获得包含训练对象的训练图像,所述训练对象与目标类型相应,所述目标类型对应有多个关键点,所述多个关键点中的每一个关键点具有相应的结构化信息,所述结构化信息至少指示所述多个关键点中与所述结构化信息的相应关键点相邻的至少一个关键点;
获得所述训练图像的标注标签,所述标注标签指示所述多个关键点中的每一个关键点在所述目标图像中的位置;
将所述训练图像输入到所述关键点检测网络,以获得所述训练图像中与所述多个关键点分别对应的多个第一预测点和所述多个第一预测点中的每一个第一预测点对应的预测点特征;
将所述多个第一预测点中的每一个第一预测点对应的预测点特征和结构化信息输入至所述图神经网络,以获得所述训练图像中与所述多个关键点分别对应的多个第二预测点;以及
基于所述标注标签、所述多个第一预测点和所述多个第二预测点,调整所述图像处理模型的参数。
8.根据权利要求7所述的方法,其中,所述多个第一预测点中的每一个第一预测点对应的预测点特征包括该第一预测点对应的热力图,所述热力图与所述训练图像相应,并且所述热力图中的每一个位置的响应值指示所述训练图像中与该位置相应的像素位置对应于该第一预测点的概率。
9.根据权利要求7所述的方法,其中,所述目标类型包括人体或者多个动物类型中的任一个动物类型,所述多个关键点包括多个关节点。
10.一种图像处理装置,包括:
目标图像获取单元,被配置用于获得目标图像,所述目标图像中包括目标对象,所述目标对象与目标类型对应,所述目标类型对应有多个关键点,所述多个关键点中的每一个关键点具有相应的结构化信息,所述结构化信息至少指示所述多个关键点中与所述结构化信息的相应关键点相邻的至少一个关键点;
关键点特征获取单元,被配置用于基于所述目标图像,获得所述多个关键点中的每一个关键点对应的关键点特征;以及
关键点位置预测单元,被配置用于基于所述多个关键点中的每一个关键点对应的关键点特征和结构化信息,获得所述多个关键点中的每一个关键点在所述目标图像中对应的位置。
11.根据权利要求10所述的装置,其中,所述关键点特征获取单元包括:
图像特征获取单元,被配置用于获得所述目标图像的图像特征,所述图像特征包括与所述多个关键点对应的多个通道特征,所述多个通道特征中的每一个通道特征指示相应关键点在所述目标图像中对应的位置;以及
关键点特征获取子单元,被配置用于基于所述多个通道特征,获得所述多个关键点中的每一个关键点对应的关键点特征。
12.根据权利要求10所述的装置,其中,所述图像特征获取单元包括:
将所述目标图像输入至与所述目标类型相应的关键点检测模型,以获得所述图像特征,其中,所述关键点检测模型是采用包含有与所述目标类型相应的训练对象的训练图像训练获得的,所述训练图像具有相应的标注标签,所述标注标签指示所述多个关键点中的每一个关键点在所述训练图像中的位置。
13.根据权利要求10所述的装置,其中,所述关键点特征包括所述相应关键点对应的热力图,所述热力图与所述目标图像相应,并且所述热力图中的每一个位置的响应值指示所述目标图像中与该位置相应的像素位置对应于所述相应关键点的概率。
14.根据权利要求10所述的装置,其中,所述基于所述多个关键点中的每一个关键点对应的关键点特征和结构化信息,获得所述多个关键点中的每一个关键点在所述目标图像中对应的位置包括:
将所述多个关键点中的每一个关键点对应的结构化信息和关键点特征输入到与所述目标类型相应的图神经网络,以获得所述多个关键点中的每一个关键点在所述目标图像中的位置。
15.根据权利要求10所述的装置,其中,所述目标类型包括人体或者多个动物类型中的任一个动物类型,所述多个关键点包括多个关节点。
16.一种图像处理模型的训练装置,所述图像处理模型包括关键点检测网络和图神经网络,所述装置包括:
训练图像获取单元,被配置用于获得包含训练对象的训练图像,所述训练对象与目标类型相应,所述目标类型对应有多个关键点,所述多个关键点中的每一个关键点具有相应的结构化信息,所述结构化信息至少指示所述多个关键点中与所述结构化信息的相应关键点相邻的至少一个关键点;
标注标签获取单元,被配置用于获得所述训练图像的标注标签,所述标注标签指示所述多个关键点中的每一个关键点在所述目标图像中的位置;
图像输入单元,被配置用于将所述训练图像输入到所述关键点检测网络,以获得所述训练图像中与所述多个关键点分别对应的多个第一预测点和所述多个第一预测点中的每一个第一预测点对应的预测点特征;
特征输入单元,被配置用于将所述多个第一预测点中的每一个第一预测点对应的预测点特征和结构化信息输入至所述图神经网络,以获得所述训练图像中与所述多个关键点分别对应的多个第二预测点;以及
参数调整单元,被配置用于基于所述标注标签、所述多个第一预测点和所述多个第二预测点,调整所述图像处理模型的参数。
17.根据权利要求16所述的装置,其中,所述多个第一预测点中的每一个第一预测点对应的预测点特征包括该第一预测点对应的热力图,所述热力图与所述训练图像相应,并且所述热力图中的每一个位置的响应值指示所述训练图像中与该位置相应的像素位置对应于该第一预测点的概率。
18.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
19.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的方法。
20.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211216008.2A CN115578451B (zh) | 2022-09-30 | 2022-09-30 | 图像处理方法、图像处理模型的训练方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211216008.2A CN115578451B (zh) | 2022-09-30 | 2022-09-30 | 图像处理方法、图像处理模型的训练方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115578451A true CN115578451A (zh) | 2023-01-06 |
CN115578451B CN115578451B (zh) | 2024-01-23 |
Family
ID=84583263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211216008.2A Active CN115578451B (zh) | 2022-09-30 | 2022-09-30 | 图像处理方法、图像处理模型的训练方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115578451B (zh) |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160210751A1 (en) * | 2015-01-15 | 2016-07-21 | Samsung Electronics Co., Ltd. | Registration method and apparatus for 3d image data |
WO2017107865A1 (zh) * | 2015-12-22 | 2017-06-29 | 成都理想境界科技有限公司 | 图像检索系统、服务器、数据库及相关的方法 |
CN109614867A (zh) * | 2018-11-09 | 2019-04-12 | 北京市商汤科技开发有限公司 | 人体关键点检测方法和装置、电子设备、计算机存储介质 |
CN109858444A (zh) * | 2019-01-31 | 2019-06-07 | 北京字节跳动网络技术有限公司 | 人体关键点检测模型的训练方法和装置 |
CN111523485A (zh) * | 2020-04-24 | 2020-08-11 | 浙江商汤科技开发有限公司 | 位姿识别方法及装置、电子设备和存储介质 |
CN111626105A (zh) * | 2020-04-15 | 2020-09-04 | 南京旷云科技有限公司 | 姿态估计方法、装置及电子设备 |
CN111797656A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 人脸关键点检测方法、装置、存储介质及电子设备 |
CN111985556A (zh) * | 2020-08-19 | 2020-11-24 | 南京地平线机器人技术有限公司 | 关键点识别模型的生成方法和关键点识别方法 |
CN112330730A (zh) * | 2020-11-27 | 2021-02-05 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备及存储介质 |
CN112836618A (zh) * | 2021-01-28 | 2021-05-25 | 清华大学深圳国际研究生院 | 一种三维人体姿态估计方法及计算机可读存储介质 |
CN113033485A (zh) * | 2021-04-21 | 2021-06-25 | 北京百度网讯科技有限公司 | 关键点的检测方法和装置 |
CN113095336A (zh) * | 2021-04-22 | 2021-07-09 | 北京百度网讯科技有限公司 | 关键点检测模型的训练方法和检测目标对象关键点的方法 |
US20210312171A1 (en) * | 2020-11-09 | 2021-10-07 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Human body three-dimensional key point detection method, model training method and related devices |
WO2021204037A1 (zh) * | 2020-11-12 | 2021-10-14 | 平安科技(深圳)有限公司 | 人脸关键点的检测方法、装置、存储介质及电子设备 |
CN114022900A (zh) * | 2021-10-29 | 2022-02-08 | 北京百度网讯科技有限公司 | 检测模型的训练方法、检测方法、装置、设备和介质 |
CN114186632A (zh) * | 2021-12-10 | 2022-03-15 | 北京百度网讯科技有限公司 | 关键点检测模型的训练方法、装置、设备、存储介质 |
CN114267065A (zh) * | 2021-12-23 | 2022-04-01 | 广州津虹网络传媒有限公司 | 人脸关键点修正方法及其装置、设备、介质 |
CN114333038A (zh) * | 2022-03-03 | 2022-04-12 | 百度在线网络技术(北京)有限公司 | 对象识别模型的训练方法和对象识别方法、装置、设备 |
CN114519401A (zh) * | 2022-02-22 | 2022-05-20 | 平安科技(深圳)有限公司 | 一种图像分类方法及装置、电子设备、存储介质 |
CN114596476A (zh) * | 2022-03-11 | 2022-06-07 | 北京百度网讯科技有限公司 | 关键点检测模型的训练方法、关键点检测方法及装置 |
CN114972958A (zh) * | 2022-07-27 | 2022-08-30 | 北京百度网讯科技有限公司 | 关键点检测方法、神经网络的训练方法、装置和设备 |
-
2022
- 2022-09-30 CN CN202211216008.2A patent/CN115578451B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160210751A1 (en) * | 2015-01-15 | 2016-07-21 | Samsung Electronics Co., Ltd. | Registration method and apparatus for 3d image data |
WO2017107865A1 (zh) * | 2015-12-22 | 2017-06-29 | 成都理想境界科技有限公司 | 图像检索系统、服务器、数据库及相关的方法 |
CN109614867A (zh) * | 2018-11-09 | 2019-04-12 | 北京市商汤科技开发有限公司 | 人体关键点检测方法和装置、电子设备、计算机存储介质 |
CN109858444A (zh) * | 2019-01-31 | 2019-06-07 | 北京字节跳动网络技术有限公司 | 人体关键点检测模型的训练方法和装置 |
CN111797656A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 人脸关键点检测方法、装置、存储介质及电子设备 |
CN111626105A (zh) * | 2020-04-15 | 2020-09-04 | 南京旷云科技有限公司 | 姿态估计方法、装置及电子设备 |
CN111523485A (zh) * | 2020-04-24 | 2020-08-11 | 浙江商汤科技开发有限公司 | 位姿识别方法及装置、电子设备和存储介质 |
CN111985556A (zh) * | 2020-08-19 | 2020-11-24 | 南京地平线机器人技术有限公司 | 关键点识别模型的生成方法和关键点识别方法 |
US20210312171A1 (en) * | 2020-11-09 | 2021-10-07 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Human body three-dimensional key point detection method, model training method and related devices |
WO2021204037A1 (zh) * | 2020-11-12 | 2021-10-14 | 平安科技(深圳)有限公司 | 人脸关键点的检测方法、装置、存储介质及电子设备 |
CN112330730A (zh) * | 2020-11-27 | 2021-02-05 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备及存储介质 |
CN112836618A (zh) * | 2021-01-28 | 2021-05-25 | 清华大学深圳国际研究生院 | 一种三维人体姿态估计方法及计算机可读存储介质 |
CN113033485A (zh) * | 2021-04-21 | 2021-06-25 | 北京百度网讯科技有限公司 | 关键点的检测方法和装置 |
CN113095336A (zh) * | 2021-04-22 | 2021-07-09 | 北京百度网讯科技有限公司 | 关键点检测模型的训练方法和检测目标对象关键点的方法 |
CN114022900A (zh) * | 2021-10-29 | 2022-02-08 | 北京百度网讯科技有限公司 | 检测模型的训练方法、检测方法、装置、设备和介质 |
CN114186632A (zh) * | 2021-12-10 | 2022-03-15 | 北京百度网讯科技有限公司 | 关键点检测模型的训练方法、装置、设备、存储介质 |
CN114267065A (zh) * | 2021-12-23 | 2022-04-01 | 广州津虹网络传媒有限公司 | 人脸关键点修正方法及其装置、设备、介质 |
CN114519401A (zh) * | 2022-02-22 | 2022-05-20 | 平安科技(深圳)有限公司 | 一种图像分类方法及装置、电子设备、存储介质 |
CN114333038A (zh) * | 2022-03-03 | 2022-04-12 | 百度在线网络技术(北京)有限公司 | 对象识别模型的训练方法和对象识别方法、装置、设备 |
CN114596476A (zh) * | 2022-03-11 | 2022-06-07 | 北京百度网讯科技有限公司 | 关键点检测模型的训练方法、关键点检测方法及装置 |
CN114972958A (zh) * | 2022-07-27 | 2022-08-30 | 北京百度网讯科技有限公司 | 关键点检测方法、神经网络的训练方法、装置和设备 |
Non-Patent Citations (4)
Title |
---|
LIPENG KE等: "Multi-Scale Structure-Aware Network for Human Pose Estimation", 《PROCEEDINGS OF THE EUROPEAN CONFERENCE ON COMPUTER VISION(ECCV)》, pages 713 - 728 * |
ZHONGWEI QIU等: "DGCN: Dynamic Graph Convolutional Network for Efficient Multi-Person Pose Estimation", 《PROCEEDINGS OF THE AAAI CONFERENCE ON ARTIFICIAL INTELLIGENCE》, vol. 34, no. 7, pages 11924 - 11931 * |
李崤河: "自动驾驶场景下的人体姿态估计算法研究与实现", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, vol. 2021, no. 3, pages 035 - 123 * |
赵子昂: "基于卷积神经网络的精确和实时人体关键点检测算法研究及部署", 《中国优秀硕士学位论文全文数据库 信息科技辑》, vol. 2022, no. 3, pages 138 - 2021 * |
Also Published As
Publication number | Publication date |
---|---|
CN115578451B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113836333A (zh) | 图文匹配模型的训练方法、实现图文检索的方法、装置 | |
US20230052389A1 (en) | Human-object interaction detection | |
CN114612749A (zh) | 神经网络模型训练方法及装置、电子设备和介质 | |
CN114443989B (zh) | 排序方法、排序模型的训练方法、装置、电子设备及介质 | |
CN115511779A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN114723949A (zh) | 三维场景分割方法和用于训练分割模型的方法 | |
CN114792445A (zh) | 目标人体姿态样本的挖掘方法及装置、设备和介质 | |
CN116152607A (zh) | 目标检测方法、训练目标检测模型的方法及装置 | |
CN115578501A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN114140547B (zh) | 图像生成方法和装置 | |
CN113868453B (zh) | 对象推荐方法和装置 | |
CN115797660A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN115601555A (zh) | 图像处理方法及装置、设备和介质 | |
CN115359309A (zh) | 目标检测模型的训练方法及装置、设备和介质 | |
CN114429678A (zh) | 模型训练方法及装置、电子设备和介质 | |
CN115269989A (zh) | 对象推荐方法、装置、电子设备和存储介质 | |
CN114999449A (zh) | 数据处理方法和装置 | |
CN114998963A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN114494797A (zh) | 用于训练图像检测模型的方法和装置 | |
CN115578451B (zh) | 图像处理方法、图像处理模型的训练方法和装置 | |
CN113722534B (zh) | 视频推荐方法和装置 | |
CN115512131B (zh) | 图像检测方法和图像检测模型的训练方法 | |
CN115564992A (zh) | 图像分类方法和图像分类模型的训练方法 | |
CN113918760A (zh) | 视觉搜索方法和装置 | |
CN114169440A (zh) | 模型训练方法、数据处理方法、装置、电子设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |