CN116681596A - 一种物体模型旋转方法及其相关设备 - Google Patents
一种物体模型旋转方法及其相关设备 Download PDFInfo
- Publication number
- CN116681596A CN116681596A CN202310540964.4A CN202310540964A CN116681596A CN 116681596 A CN116681596 A CN 116681596A CN 202310540964 A CN202310540964 A CN 202310540964A CN 116681596 A CN116681596 A CN 116681596A
- Authority
- CN
- China
- Prior art keywords
- matrix
- column vector
- target object
- model
- target
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 147
- 239000011159 matrix material Substances 0.000 claims abstract description 332
- 239000013598 vector Substances 0.000 claims description 376
- 238000012549 training Methods 0.000 claims description 114
- 238000012545 processing Methods 0.000 claims description 86
- 230000015654 memory Effects 0.000 claims description 79
- 238000004364 calculation method Methods 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 64
- 238000013528 artificial neural network Methods 0.000 description 31
- 230000006870 function Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 25
- 238000003062 neural network model Methods 0.000 description 19
- 238000013473 artificial intelligence Methods 0.000 description 14
- 230000004913 activation Effects 0.000 description 8
- 230000001537 neural effect Effects 0.000 description 8
- 238000010606 normalization Methods 0.000 description 8
- 238000013500 data storage Methods 0.000 description 7
- MHABMANUFPZXEB-UHFFFAOYSA-N O-demethyl-aloesaponarin I Natural products O=C1C2=CC=CC(O)=C2C(=O)C2=C1C=C(O)C(C(O)=O)=C2C MHABMANUFPZXEB-UHFFFAOYSA-N 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 239000000872 buffer Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000011022 operating instruction Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 241000282326 Felis catus Species 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- 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
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06N3/048—Activation functions
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2016—Rotation, translation, scaling
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- Computer Graphics (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种物体模型旋转方法及其相关设备,其提供的目标模型可以准确完成旋转估计,进而准确完成物体模型的旋转。本申请的方法包括:在获取第一状态的目标物体的信息后,可将这些信息输入至目标模型中。接着,可通过目标模型对信息进行处理,从而得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数。然后,可对第一矩阵进行正交化,从而得到第二矩阵,第二矩阵为n阶旋转矩阵。最后,可直接基于第二矩阵,对目标物体的预置的n维模型进行旋转,从而得到目标物体的旋转后的n维模型,目标物体的预置的n维模型用于指示第二状态的目标物体,目标物体的旋转后的n维模型用于指示第一状态的目标物体。
Description
技术领域
本申请实施例涉及人工智能(artificial intelligence,AI)领域,尤其涉及一种物体模型旋转方法及其相关设备。
背景技术
在各类计算机视觉任务中,旋转估计是这些任务中最重要且最难的环节之一。在旋转估计中,通常使用旋转矩阵来描述当前状态下的物体与初始状态下的物体之间所发生的旋转变化。
在相关技术中,在获取与某个物体相关联的信息后,可将这些信息输入至神经网络模型,以通过神经网络模型对这些信息进行处理,从而得到一个3×2的矩阵,再对该矩阵进行施密特正交化(gram-schmidt orthogonalization,GS)处理,从而得到一个3×3的旋转矩阵。如此一来,可使用该旋转矩阵对该物体的三维(3dimensions,3D)模型(代表初始状态下的该物体)进行旋转,从而得到该物体的旋转后的三维模型(代表当前状态下的该物体)。
上述神经网络模型的训练过程中,由于模型的输出为3×2的矩阵,需要经过GS处理,才能得到3×3的旋转矩阵,以基于旋转矩阵来完成神经网络模型的训练。然而,GS处理不利于模型训练过程,会导致训练得到的神经网络模型的性能较差,即神经网络模型无法准确完成旋转估计,进而无法准确完成物体模型的旋转。
发明内容
本申请实施例提供了一种物体模型旋转方法及其相关设备,其提供的目标模型可以准确完成旋转估计,进而准确完成物体模型的旋转。
本申请实施例的第一方面提供了一种物体模型旋转方法,该方法包括:
当需要针对目标物体进行物体模型旋转时,可先获取处于第一状态(例如,当前状态或实时状态等等)下的目标物体的信息。
得到第一状态的目标物体的信息后,可将第一状态的目标物体的信息输入至目标模型,以通过目标模型对第一状态的目标物体的信息进行一系列的处理,从而得到第一矩阵。需要说明的是,目标模型所输出的第一矩阵为n阶矩阵,也就是说,第一矩阵为一个n行n列的矩阵。
由于第一矩阵是伪旋转矩阵,而并非真正的旋转矩阵,若直接使用第一矩阵对目标物体的n维模型进行旋转,将会导致模型发生变形。因此,可对第一矩阵进行无偏的的施密特正交化(Unbiased Gram-Schmidt Orthogonalization),从而得到第二矩阵。需要说明的是,第二矩阵为n阶旋转矩阵,也就是说,第二矩阵为一个n行n列的旋转矩阵。
得到第二矩阵后,可直接使用第二矩阵对目标物体的预置的n维模型进行旋转,得到目标物体的旋转后的n维模型。需要说明的是,目标物体的预置的n维模型用于指示第二状态(例如,预置状态或初始状态等等)的目标物体,目标物体的旋转后的n维模型用于指示第一状态的目标物体。至此,则完成了针对目标物体的物体模型旋转。
从上述方法可以看出:当需要对目标物体进行物体模型旋转时,可先获取第一状态的目标物体的信息,并将这些信息输入至目标模型中。接着,可通过目标模型对信息进行处理,从而得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数。然后,可对第一矩阵进行正交化,从而得到第二矩阵,第二矩阵为n阶旋转矩阵。最后,可直接基于第二矩阵,对目标物体的预置的n维模型进行旋转,从而得到目标物体的旋转后的n维模型,目标物体的预置的n维模型用于指示第二状态的目标物体,目标物体的旋转后的n维模型用于指示第一状态的目标物体。前述过程中,目标模型的输出为n×n的矩阵,该矩阵可以视为一个伪旋转矩阵,故该矩阵可以先不经过正交化处理,直接用于完成目标模型的训练。可见,目标模型的训练过程中不会出现正交化处理,可避免正交化处理在模型训练过程中引起的各种问题,以这样的方式来训练得到目标模型,有利于提高目标模型的性能,即目标模型可准确完成旋转估计,进而准确完成针对目标物体的物体模型旋转。
在一种可能实现的方式中,第一矩阵包含n个第一列向量,第二矩阵包含n个第二列向量,对第一矩阵进行正交化,得到与目标物体对应的第二矩阵包括:对第1个第一列向量至第n个第一列向量进行第一计算,得到第1个第二列向量;对第1个第二列向量至第i-1个第二列向量,以及第i个第一列向量至第n个第一列向量进行第二计算,得到第i个第二列向量,i=2,...n-1;对第1个第二列向量至第n-1个第二列向量进行第三计算,得到第n个第二列向量。前述实现方式中,在得到第一矩阵的n个第一列向量后,可对第1个第一列向量至第n个第一列向量进行第一计算,从而得到第1个第二列向量。在得到第1个第二列向量后,可对第1个第二列向量,以及第2个第一列向量至第n个第一列向量进行第二计算,得到第2个第二列向量。在得到第2个第二列向量后,可对第1个第二列向量至第2个第二列向量,以及第3个第一列向量至第n个第一列向量进行第二计算,得到第3个第二列向量,...,在得到第n-2个第二列向量后,可对第1个第二列向量至第n-2个第二列向量,以及第n-1个第一列向量至第n个第一列向量进行第二计算,得到第n-1个第二列向量。最后,由于已经得到第1个第二列向量至第n-1个第二列向量,故可对第1个第二列向量至第n-1个第二列向量进行第三计算,从而得到第n个第二列向量。由此可见,按照申请实施例提供的无偏的的施密特正交化方式,可以成功将为n阶普通矩阵的第一矩阵转换为n阶旋转矩阵的第二矩阵。
在一种可能实现的方式中,在得到n个第一列向量后,可对第2个第一列向量至第n个第一列向量进行叉乘,从而得到第1个第三列向量。在得到第1个第三列向量后,可对第1个第三列向量以及第1个第一列向量进行加权平均,从而得到第1个第四列向量。在得到第1个第四列向量后,可对第1个第四列向量进行归一化,从而得到第1个第二列向量。
在一种可能实现的方式中,在得到第i-1个第二列向量后,可对第1个第二列向量至第i-1个第二列向量,以及第i+1个第一列向量至第n个第一列向量进行叉乘,从而得到第i个第三列向量。在得到第i个第三列向量后,可对第i个第三列向量以及第i个第一列向量进行求平均,从而得到第i个第四列向量。在得到第i个第四列向量后,可将第i个第四列向量投影至第1个第二列向量至第i-1个第二列向量,并将各个投影结果相加,从而得到第i个第五列向量。在得到第i个第五列向量后,可对第i个第四列向量与第i个第五列向量相减,从而得到第i个第六列向量。在得到第i个第六列向量后,对第i个第六列向量进行归一化,从而得到第i个第二列向量。由于i=2,...,i-1,故不断重复之前前述过程,可最终得到第1个第二列向量至第n-1个第二列向量。
在一种可能实现的方式中,由于已经得到第1个第二列向量至第n-1个第二列向量,故可对第1个第二列向量至第n-1个第二列向量进行叉乘,从而得到第n个第二列向量。
在一种可能实现的方式中,n个第二列向量满足以下条件中的至少一项:n个第二列向量之间相互正交;n个第二列向量的模均为一;n个第二列向量构成n维坐标系。
在一种可能实现的方式中,处于第一状态下的目标物体的信息则包含两大类信息,第一类信息是处于第一状态下的目标物体的信息,第二类信息是处于第一状态下的目标物体所采集的的信息。其中,第一类信息可以指第一状态的目标物体的n维数据,第二类信息可以指第一状态的目标物体采集的n维数据。
本申请实施例的第二方面提供了一种模型训练方法,该方法包括:获取第一状态的目标物体的信息;通过目标模型对信息进行处理,得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数,第一矩阵用于获取目标物体的旋转后的n维模型,旋转后的n维模型用于指示第一状态的目标物体;基于第一矩阵,获取目标损失;基于目标损失,对待训练模型进行训练,得到目标模型。
上述方法训练得到的目标模型,具备旋转估计功能。具体地,当需要对目标物体进行物体模型旋转时,可先获取第一状态的目标物体的信息,并将这些信息输入至目标模型中。接着,可通过目标模型对信息进行处理,从而得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数。然后,可对第一矩阵进行正交化,从而得到第二矩阵,第二矩阵为n阶旋转矩阵。最后,可直接基于第二矩阵,对目标物体的预置的n维模型进行旋转,从而得到目标物体的旋转后的n维模型,目标物体的预置的n维模型用于指示第二状态的目标物体,目标物体的旋转后的n维模型用于指示第一状态的目标物体。前述过程中,目标模型的输出为n×n的矩阵,该矩阵可以视为一个伪旋转矩阵,故该矩阵可以先不经过正交化处理,直接用于完成目标模型的训练。可见,目标模型的训练过程中不会出现正交化处理,可避免正交化处理在模型训练过程中引起的各种问题,以这样的方式来训练得到目标模型,有利于提高目标模型的性能,即目标模型可准确完成旋转估计,进而准确完成针对目标物体的物体模型旋转。
在一种可能实现的方式中,基于基于第一矩阵,获取目标损失包括:直接使用第一矩阵对目标物体的预置的n维模型进行旋转,得到目标物体的旋转后的n维模型,预置的n维模型用于指示第二状态的目标物体;基于旋转后的n维模型以及目标物体的旋转后的真实n维模型,获取目标损失,旋转后的真实n维模型用于指示第一状态的目标物体,目标损失用于指示旋转后的n维模型以及旋转后的真实n维模型之间的差异。
在一种可能实现的方式中,基于第一矩阵,获取目标损失包括:基于第一矩阵以及真实矩阵,获取目标损失,目标损失用于指示第一矩阵以及真实矩阵之间的差异,真实矩阵为n阶矩阵。
在一种可能实现的方式中,信息包括以下至少一种:第一状态的目标物体的n维数据以及第一状态的目标物体采集的n维数据。
本申请实施例的第三方面提供了一种物体模型旋转装置,该装置包括:获取模块,用于获取第一状态的目标物体的信息;处理模块,用于通过目标模型对信息进行处理,得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数;正交化模块,用于对第一矩阵进行正交化,得到第二矩阵,第二矩阵为n阶旋转矩阵;旋转模块,用于基于第二矩阵,对目标物体的预置的n维模型进行旋转,得到目标物体的旋转后的n维模型,预置的n维模型用于指示第二状态的目标物体,旋转后的n维模型用于指示第一状态的目标物体。
从上述装置可以看出:当需要对目标物体进行物体模型旋转时,可先获取第一状态的目标物体的信息,并将这些信息输入至目标模型中。接着,可通过目标模型对信息进行处理,从而得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数。然后,可对第一矩阵进行正交化,从而得到第二矩阵,第二矩阵为n阶旋转矩阵。最后,可直接基于第二矩阵,对目标物体的预置的n维模型进行旋转,从而得到目标物体的旋转后的n维模型,目标物体的预置的n维模型用于指示第二状态的目标物体,目标物体的旋转后的n维模型用于指示第一状态的目标物体。前述过程中,目标模型的输出为n×n的矩阵,该矩阵可以视为一个伪旋转矩阵,故该矩阵可以先不经过正交化处理,直接用于完成目标模型的训练。可见,目标模型的训练过程中不会出现正交化处理,可避免正交化处理在模型训练过程中引起的各种问题,以这样的方式来训练得到目标模型,有利于提高目标模型的性能,即目标模型可准确完成旋转估计,进而准确完成针对目标物体的物体模型旋转。
在一种可能实现的方式中,第一矩阵包含n个第一列向量,第二矩阵包含n个第二列向量,正交化模块,用于:对第1个第一列向量至第n个第一列向量进行第一计算,得到第1个第二列向量;对第1个第二列向量至第i-1个第二列向量,以及第i个第一列向量至第n个第一列向量进行第二计算,得到第i个第二列向量,i=2,...n-1;对第1个第二列向量至第n-1个第二列向量进行第三计算,得到第n个第二列向量。
在一种可能实现的方式中,正交化模块,用于:对第2个第一列向量至第n个第一列向量进行叉乘,得到第1个第三列向量;对第1个第三列向量以及第1个第一列向量进行加权平均,得到第1个第四列向量;对第1个第四列向量进行归一化,得到第1个第二列向量。
在一种可能实现的方式中,正交化模块,用于:对第1个第二列向量至第i-1个第二列向量,以及第i+1个第一列向量至第n个第一列向量进行叉乘,得到第i个第三列向量;对第i个第三列向量以及第i个第一列向量进行求平均,得到第i个第四列向量;将第i个第四列向量投影至第1个第二列向量至第i-1个第二列向量,并将投影结果相加,得到第i个第五列向量;对第i个第四列向量与第i个第五列向量相减,得到第i个第六列向量;对第i个第六列向量进行归一化,得到第i个第二列向量。
在一种可能实现的方式中,正交化模块,用于对第1个第二列向量至第n-1个第二列向量进行叉乘,得到第n个第二列向量。
在一种可能实现的方式中,n个第二列向量满足以下条件中的至少一项:n个第二列向量之间相互正交;n个第二列向量的模均为一;n个第二列向量构成n维坐标系。
在一种可能实现的方式中,信息包括以下至少一种:第一状态的目标物体的n维数据以及第一状态的目标物体采集的n维数据。
本申请实施例的第四方面提供了一种模型训练装置,该装置包括:第一获取模块,用于获取第一状态的目标物体的信息;处理模块,用于通过目标模型对信息进行处理,得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数,第一矩阵用于获取目标物体的旋转后的n维模型,旋转后的n维模型用于指示第一状态的目标物体;第二获取模块,用于基于第一矩阵,获取目标损失;训练模块,用于基于目标损失,对待训练模型进行训练,得到目标模型。
上述装置训练得到的目标模型,具备旋转估计功能。具体地,当需要对目标物体进行物体模型旋转时,可先获取第一状态的目标物体的信息,并将这些信息输入至目标模型中。接着,可通过目标模型对信息进行处理,从而得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数。然后,可对第一矩阵进行正交化,从而得到第二矩阵,第二矩阵为n阶旋转矩阵。最后,可直接基于第二矩阵,对目标物体的预置的n维模型进行旋转,从而得到目标物体的旋转后的n维模型,目标物体的预置的n维模型用于指示第二状态的目标物体,目标物体的旋转后的n维模型用于指示第一状态的目标物体。前述过程中,目标模型的输出为n×n的矩阵,该矩阵可以视为一个伪旋转矩阵,故该矩阵可以先不经过正交化处理,直接用于完成目标模型的训练。可见,目标模型的训练过程中不会出现正交化处理,可避免正交化处理在模型训练过程中引起的各种问题,以这样的方式来训练得到目标模型,有利于提高目标模型的性能,即目标模型可准确完成旋转估计,进而准确完成针对目标物体的物体模型旋转。
在一种可能实现的方式中,第二获取模块,用于:直接使用第一矩阵对目标物体的预置的n维模型进行旋转,得到目标物体的旋转后的n维模型,预置的n维模型用于指示第二状态的目标物体;基于旋转后的n维模型以及目标物体的旋转后的真实n维模型,获取目标损失,旋转后的真实n维模型用于指示第一状态的目标物体,目标损失用于指示旋转后的n维模型以及旋转后的真实n维模型之间的差异。
在一种可能实现的方式中,第二获取模块,用于基于第一矩阵以及真实矩阵,获取目标损失,目标损失用于指示第一矩阵以及真实矩阵之间的差异,真实矩阵为n阶矩阵。
在一种可能实现的方式中,信息包括以下至少一种:第一状态的目标物体的n维数据以及第一状态的目标物体采集的n维数据。
本申请实施例的第五方面提供了一种物体模型旋转装置,该装置包括存储器和处理器;存储器存储有代码,处理器被配置为执行代码,当代码被执行时,故物体模型旋转装置执行如第一方面或第一方面中任意一种可能的实现方式所述的方法。
本申请实施例的第六方面提供了一种模型训练装置,该装置包括存储器和处理器;存储器存储有代码,处理器被配置为执行代码,当代码被执行时,模型训练装置执行如第二方面或第二方面中任意一种可能的实现方式所述的方法。
本申请实施例的第七方面提供了一种电路系统,该电路系统包括处理电路,该处理电路配置为执行如第一方面、第一方面中任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。
本申请实施例的第八方面提供了一种芯片系统,该芯片系统包括处理器,用于调用存储器中存储的计算机程序或计算机指令,以使得该处理器执行如第一方面、第一方面中任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。
在一种可能的实现方式中,该处理器通过接口与存储器耦合。
在一种可能的实现方式中,该芯片系统还包括存储器,该存储器中存储有计算机程序或计算机指令。
本申请实施例的第九方面提供了一种计算机存储介质,该计算机存储介质存储有计算机程序,该程序在由计算机执行时,使得计算机实施如第一方面、第一方面中任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。
本申请实施例的第十方面提供了一种计算机程序产品,该计算机程序产品存储有指令,该指令在由计算机执行时,使得计算机实施如第一方面、第一方面中任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。
本申请实施例中,当需要对目标物体进行物体模型旋转时,可先获取第一状态的目标物体的信息,并将这些信息输入至目标模型中。接着,可通过目标模型对信息进行处理,从而得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数。然后,可对第一矩阵进行正交化,从而得到第二矩阵,第二矩阵为n阶旋转矩阵。最后,可直接基于第二矩阵,对目标物体的预置的n维模型进行旋转,从而得到目标物体的旋转后的n维模型,目标物体的预置的n维模型用于指示第二状态的目标物体,目标物体的旋转后的n维模型用于指示第一状态的目标物体。前述过程中,目标模型的输出为n×n的矩阵,该矩阵可以视为一个伪旋转矩阵,故该矩阵可以先不经过正交化处理,直接用于完成目标模型的训练。可见,目标模型的训练过程中不会出现正交化处理,可避免正交化处理在模型训练过程中引起的各种问题,以这样的方式来训练得到目标模型,有利于提高目标模型的性能,即目标模型可准确完成旋转估计,进而准确完成针对目标物体的物体模型旋转。
附图说明
图1为人工智能主体框架的一种结构示意图;
图2a为本申请实施例提供的物体模型旋转系统的一个结构示意图;
图2b为本申请实施例提供的物体模型旋转系统的另一结构示意图;
图2c为本申请实施例提供的物体模型旋转的相关设备的一个示意图;
图3为本申请实施例提供的系统100架构的一个示意图;
图4为本申请实施例提供的物体模型旋转方法的一个流程示意图;
图5为本申请实施例提供的物体模型旋转方法的一个应用例示意图;
图6为本申请实施例提供的模型训练方法的一个流程示意图;
图7为本申请实施例提供的模型训练方法的一个应用例示意图;
图8为本申请实施例提供的比较结果的一个示意图;
图9为本申请实施例提供的比较结果的另一示意图;
图10为本申请实施例提供的物体模型旋转装置的一个结构示意图;
图11为本申请实施例提供的模型训练装置的一个结构示意图;
图12为本申请实施例提供的执行设备的一个结构示意图;
图13为本申请实施例提供的训练设备的一个结构示意图;
图14为本申请实施例提供的芯片的一个结构示意图。
具体实施方式
本申请实施例提供了一种物体模型旋转方法及其相关设备,其提供的目标模型可以准确完成旋转估计,进而准确完成物体模型的旋转。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
在各类计算机视觉任务中,旋转估计是这些任务中最重要且最难的环节之一。在旋转估计中,通常使用旋转矩阵来描述当前状态下的物体与初始状态下的物体之间所发生的旋转变化。例如,在三维人体动作捕捉中,旋转矩阵可用于描述某个人的三维模型相对于标准人体的三维模型之间的旋转变化。
在相关技术中,在获取与某个物体相关联的信息后,可将这些信息输入至神经网络模型,以通过神经网络模型对这些信息进行处理,从而得到一个3×2的矩阵,再对该矩阵进行GS处理,从而将一个3×2的矩阵恢复成一个3×3的旋转矩阵,该旋转矩阵也就是与该物体对应的旋转矩阵。如此一来,可使用该旋转矩阵对该物体的三维模型进行旋转,从而得到该物体的旋转后的三维模型。
上述神经网络模型的训练过程中,由于模型的输出为3×2的矩阵,需要经过GS处理,才能得到3×3的旋转矩阵,以基于旋转矩阵来完成神经网络模型的训练。然而,GS处理不利于模型训练过程(例如,GS处理会致使梯度反向、梯度数值错误以及梯度爆炸等各类问题),会导致训练得到的神经网络模型的性能较差,即神经网络模型无法准确完成旋转估计,进而无法准确完成物体模型的旋转。
为了解决上述问题,本申请实施例提供了一种物体模型旋转方法,该方法可结合人工智能(artificial intelligence,AI)技术实现。AI技术是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能的技术学科,AI技术通过感知环境、获取知识并使用知识获得最佳结果。换句话说,人工智能技术是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。利用人工智能进行数据处理是人工智能常见的一个应用方式。
首先对人工智能系统总体工作流程进行描述,请参见图1,图1为人工智能主体框架的一种结构示意图,下面从“智能信息链”(水平轴)和“IT价值链”(垂直轴)两个维度对上述人工智能主题框架进行阐述。其中,“智能信息链”反映从数据的获取到处理的一列过程。举例来说,可以是智能信息感知、智能信息表示与形成、智能推理、智能决策、智能执行与输出的一般过程。在这个过程中,数据经历了“数据—信息—知识—智慧”的凝练过程。“IT价值链”从人智能的底层基础设施、信息(提供和处理技术实现)到系统的产业生态过程,反映人工智能为信息技术产业带来的价值。
(1)基础设施
基础设施为人工智能系统提供计算能力支持,实现与外部世界的沟通,并通过基础平台实现支撑。通过传感器与外部沟通;计算能力由智能芯片(CPU、NPU、GPU、ASIC、FPGA等硬件加速芯片)提供;基础平台包括分布式计算框架及网络等相关的平台保障和支持,可以包括云存储和计算、互联互通网络等。举例来说,传感器和外部沟通获取数据,这些数据提供给基础平台提供的分布式计算系统中的智能芯片进行计算。
(2)数据
基础设施的上一层的数据用于表示人工智能领域的数据来源。数据涉及到图形、图像、语音、文本,还涉及到传统设备的物联网数据,包括已有系统的业务数据以及力、位移、液位、温度、湿度等感知数据。
(3)数据处理
数据处理通常包括数据训练,机器学习,深度学习,搜索,推理,决策等方式。
其中,机器学习和深度学习可以对数据进行符号化和形式化的智能信息建模、抽取、预处理、训练等。
推理是指在计算机或智能系统中,模拟人类的智能推理方式,依据推理控制策略,利用形式化的信息进行机器思维和求解问题的过程,典型的功能是搜索与匹配。
决策是指智能信息经过推理后进行决策的过程,通常提供分类、排序、预测等功能。
(4)通用能力
对数据经过上面提到的数据处理后,进一步基于数据处理的结果可以形成一些通用的能力,比如可以是算法或者一个通用系统,例如,翻译,文本的分析,计算机视觉的处理,语音识别,图像的识别等等。
(5)智能产品及行业应用
智能产品及行业应用指人工智能系统在各领域的产品和应用,是对人工智能整体解决方案的封装,将智能信息决策产品化、实现落地应用,其应用领域主要包括:智能终端、智能交通、智能医疗、自动驾驶、智慧城市等。
接下来介绍几种本申请的应用场景。
图2a为本申请实施例提供的物体模型旋转系统的一个结构示意图,该物体模型旋转系统包括用户设备以及数据处理设备。其中,用户设备包括手机、个人电脑或者信息处理中心等智能终端。用户设备为物体模型旋转的发起端,作为物体模型旋转请求的发起方,通常由用户通过用户设备发起请求。
上述数据处理设备可以是云服务器、网络服务器、应用服务器以及管理服务器等具有数据处理功能的设备或服务器。数据处理设备通过交互接口接收来自智能终端的物体模型旋转请求,再通过存储数据的存储器以及数据处理的处理器环节进行机器学习,深度学习,搜索,推理,决策等方式的物体模型旋转。数据处理设备中的存储器可以是一个统称,包括本地存储以及存储历史数据的数据库,数据库可以在数据处理设备上,也可以在其它网络服务器上。
在图2a所示的物体模型旋转系统中,用户设备可以接收用户的指令,例如用户设备可以获取用户输入/选择的与目标物体相关联的信息,然后向数据处理设备发起请求,使得数据处理设备针对来自用户设备的与目标物体相关联的信息执行物体模型旋转应用,从而得到目标物体的旋转后的模型。示例性的,用户设备可以获取用户输入的与目标物体相关联的信息(也就是第一状态的目标物体的信息),然后用户设备可向数据处理设备发起物体模型旋转请求,使得数据处理设备基于物体模型旋转请求,对与目标物体相关联的信息进行一系列的处理,以基于信息的处理结果来完成对目标物体的预置的n维模型(用于指示第二状态的目标物体)所需进行的旋转,从而得到目标物体的旋转后的n维模型(用于指示第一状态的目标物体)。
在图2a中,数据处理设备可以执行本申请实施例的物体模型旋转方法。
图2b为本申请实施例提供的物体模型旋转系统的另一结构示意图,在图2b中,用户设备直接作为数据处理设备,该用户设备能够直接获取来自用户的输入并直接由用户设备本身的硬件进行处理,具体过程与图2a相似,可参考上面的描述,在此不再赘述。
在图2b所示的物体模型旋转系统中,用户设备可以接收用户的指令,例如用户设备可以获取用户输入的与目标物体相关联的信息(也就是第一状态的目标物体的信息),然后用户设备可对与目标物体相关联的信息进行一系列的处理,以基于信息的处理结果来完成对目标物体的预置的n维模型(用于指示第二状态的目标物体)所需进行的旋转,从而得到目标物体的旋转后的n维模型(用于指示第一状态的目标物体)。
在图2b中,用户设备自身就可以执行本申请实施例的物体模型旋转方法。
图2c为本申请实施例提供的物体模型旋转的相关设备的一个示意图。
上述图2a和图2b中的用户设备具体可以是图2c中的本地设备301或者本地设备302,图2a中的数据处理设备具体可以是图2c中的执行设备210,其中,数据存储系统250可以存储执行设备210的待处理数据,数据存储系统250可以集成在执行设备210上,也可以设置在云上或其它网络服务器上。
图2a和图2b中的处理器可以通过神经网络模型或者其它模型(例如,基于支持向量机的模型)进行数据训练/机器学习/深度学习,并利用数据最终训练或者学习得到的模型针对图像执行物体模型旋转应用,从而得到相应的处理结果。
图3为本申请实施例提供的系统100架构的一个示意图,在图3中,执行设备110配置输入/输出(input/output,I/O)接口112,用于与外部设备进行数据交互,用户可以通过客户设备140向I/O接口112输入数据,所述输入数据在本申请实施例中可以包括:各个待调度任务、可调用资源以及其他参数。
在执行设备110对输入数据进行预处理,或者在执行设备110的计算模块111执行计算等相关的处理(比如进行本申请中神经网络的功能实现)过程中,执行设备110可以调用数据存储系统150中的数据、代码等以用于相应的处理,也可以将相应处理得到的数据、指令等存入数据存储系统150中。
最后,I/O接口112将处理结果返回给客户设备140,从而提供给用户。
值得说明的是,训练设备120可以针对不同的目标或称不同的任务,基于不同的训练数据生成相应的目标模型/规则,该相应的目标模型/规则即可以用于实现上述目标或完成上述任务,从而为用户提供所需的结果。其中,训练数据可以存储在数据库130中,且来自于数据采集设备160采集的训练样本。
在图3中所示情况下,用户可以手动给定输入数据,该手动给定可以通过I/O接口112提供的界面进行操作。另一种情况下,客户设备140可以自动地向I/O接口112发送输入数据,如果要求客户设备140自动发送输入数据需要获得用户的授权,则用户可以在客户设备140中设置相应权限。用户可以在客户设备140查看执行设备110输出的结果,具体的呈现形式可以是显示、声音、动作等具体方式。客户设备140也可以作为数据采集端,采集如图所示输入I/O接口112的输入数据及输出I/O接口112的输出结果作为新的样本数据,并存入数据库130。当然,也可以不经过客户设备140进行采集,而是由I/O接口112直接将如图所示输入I/O接口112的输入数据及输出I/O接口112的输出结果,作为新的样本数据存入数据库130。
值得注意的是,图3仅是本申请实施例提供的一种系统架构的示意图,图中所示设备、器件、模块等之间的位置关系不构成任何限制,例如,在图3中,数据存储系统150相对执行设备110是外部存储器,在其它情况下,也可以将数据存储系统150置于执行设备110中。如图3所示,可以根据训练设备120训练得到神经网络。
本申请实施例还提供的一种芯片,该芯片包括神经网络处理器NPU。该芯片可以被设置在如图3所示的执行设备110中,用以完成计算模块111的计算工作。该芯片也可以被设置在如图3所示的训练设备120中,用以完成训练设备120的训练工作并输出目标模型/规则。
神经网络处理器NPU,NPU作为协处理器挂载到主中央处理器(centralprocessing unit,CPU)(host CPU)上,由主CPU分配任务。NPU的核心部分为运算电路,控制器控制运算电路提取存储器(权重存储器或输入存储器)中的数据并进行运算。
在一些实现中,运算电路内部包括多个处理单元(process engine,PE)。在一些实现中,运算电路是二维脉动阵列。运算电路还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中,运算电路是通用的矩阵处理器。
举例来说,假设有输入矩阵A,权重矩阵B,输出矩阵C。运算电路从权重存储器中取矩阵B相应的数据,并缓存在运算电路中每一个PE上。运算电路从输入存储器中取矩阵A数据与矩阵B进行矩阵运算,得到的矩阵的部分结果或最终结果,保存在累加器(accumulator)中。
向量计算单元可以对运算电路的输出做进一步处理,如向量乘,向量加,指数运算,对数运算,大小比较等等。例如,向量计算单元可以用于神经网络中非卷积/非FC层的网络计算,如池化(pooling),批归一化(batch normalization),局部响应归一化(localresponse normalization)等。
在一些实现种,向量计算单元能将经处理的输出的向量存储到统一缓存器。例如,向量计算单元可以将非线性函数应用到运算电路的输出,例如累加值的向量,用以生成激活值。在一些实现中,向量计算单元生成归一化的值、合并值,或二者均有。在一些实现中,处理过的输出的向量能够用作到运算电路的激活输入,例如用于在神经网络中的后续层中的使用。
统一存储器用于存放输入数据以及输出数据。
权重数据直接通过存储单元访问控制器(direct memory access controller,DMAC)将外部存储器中的输入数据搬运到输入存储器和/或统一存储器、将外部存储器中的权重数据存入权重存储器,以及将统一存储器中的数据存入外部存储器。
总线接口单元(bus interface unit,BIU),用于通过总线实现主CPU、DMAC和取指存储器之间进行交互。
与控制器连接的取指存储器(instruction fetch buffer),用于存储控制器使用的指令;
控制器,用于调用指存储器中缓存的指令,实现控制该运算加速器的工作过程。
一般地,统一存储器,输入存储器,权重存储器以及取指存储器均为片上(On-Chip)存储器,外部存储器为该NPU外部的存储器,该外部存储器可以为双倍数据率同步动态随机存储器(double data rate synchronous dynamic random access memory,DDRSDRAM)、高带宽存储器(high bandwidth memory,HBM)或其他可读可写的存储器。
由于本申请实施例涉及大量神经网络的应用,为了便于理解,下面先对本申请实施例涉及的相关术语及神经网络等相关概念进行介绍。
(1)神经网络
神经网络可以是由神经单元组成的,神经单元可以是指以xs和截距1为输入的运算单元,该运算单元的输出可以为:
其中,s=1、2、……n,n为大于1的自然数,Ws为xs的权重,b为神经单元的偏置。f为神经单元的激活函数(activation functions),用于将非线性特性引入神经网络中,来将神经单元中的输入信号转换为输出信号。该激活函数的输出信号可以作为下一层卷积层的输入。激活函数可以是sigmoid函数。神经网络是将许多个上述单一的神经单元联结在一起形成的网络,即一个神经单元的输出可以是另一个神经单元的输入。每个神经单元的输入可以与前一层的局部接受域相连,来提取局部接受域的特征,局部接受域可以是由若干个神经单元组成的区域。
神经网络中的每一层的工作可以用数学表达式y=a(Wx+b)来描述:从物理层面神经网络中的每一层的工作可以理解为通过五种对输入空间(输入向量的集合)的操作,完成输入空间到输出空间的变换(即矩阵的行空间到列空间),这五种操作包括:1、升维/降维;2、放大/缩小;3、旋转;4、平移;5、“弯曲”。其中1、2、3的操作由Wx完成,4的操作由+b完成,5的操作则由a()来实现。这里之所以用“空间”二字来表述是因为被分类的对象并不是单个事物,而是一类事物,空间是指这类事物所有个体的集合。其中,W是权重向量,该向量中的每一个值表示该层神经网络中的一个神经元的权重值。该向量W决定着上文所述的输入空间到输出空间的空间变换,即每一层的权重W控制着如何变换空间。训练神经网络的目的,也就是最终得到训练好的神经网络的所有层的权重矩阵(由很多层的向量W形成的权重矩阵)。因此,神经网络的训练过程本质上就是学习控制空间变换的方式,更具体的就是学习权重矩阵。
因为希望神经网络的输出尽可能的接近真正想要预测的值,所以可以通过比较当前网络的预测值和真正想要的目标值,再根据两者之间的差异情况来更新每一层神经网络的权重向量(当然,在第一次更新之前通常会有初始化的过程,即为神经网络中的各层预先配置参数),比如,如果网络的预测值高了,就调整权重向量让它预测低一些,不断的调整,直到神经网络能够预测出真正想要的目标值。因此,就需要预先定义“如何比较预测值和目标值之间的差异”,这便是损失函数(loss function)或目标函数(objective function),它们是用于衡量预测值和目标值的差异的重要方程。其中,以损失函数举例,损失函数的输出值(loss)越高表示差异越大,那么神经网络的训练就变成了尽可能缩小这个loss的过程。
(2)反向传播算法
神经网络可以采用误差反向传播(back propagation,BP)算法在训练过程中修正初始的神经网络模型中参数的大小,使得神经网络模型的重建误差损失越来越小。具体地,前向传递输入信号直至输出会产生误差损失,通过反向传播误差损失信息来更新初始的神经网络模型中参数,从而使误差损失收敛。反向传播算法是以误差损失为主导的反向传播运动,旨在得到最优的神经网络模型的参数,例如权重矩阵。
下面从神经网络的训练侧和神经网络的应用侧对本申请提供的方法进行描述。
本申请实施例提供的模型训练方法,涉及数据序列的处理,具体可以应用于数据训练、机器学习、深度学习等方法,对训练数据(例如,本申请实施例提供的模型训练方法中的与目标物体相关联的信息)进行符号化和形式化的智能信息建模、抽取、预处理、训练等,最终得到训练好的神经网络(例如,本申请实施例提供的模型训练方法中的目标模型);并且,本申请实施例提供的物体模型旋转方法可以运用上述训练好的神经网络,将输入数据(例如,本申请实施例提供的物体模型旋转方法中的与目标物体相关联的信息)输入到所述训练好的神经网络中,得到输出数据(例如,本申请实施例提供的物体模型旋转方法中的目标物体的旋转后的n维模型)。需要说明的是,本申请实施例提供的模型训练方法和物体模型旋转方法是基于同一个构思产生的发明,也可以理解为一个系统中的两个部分,或一个整体流程的两个阶段:如模型训练阶段和模型应用阶段。
图4为本申请实施例提供的物体模型旋转方法的一个流程示意图,如图4所示,giant方法包括:
401、获取第一状态的目标物体的信息。
本实施例中,当需要针对目标物体进行物体模型旋转时,可先获取处于第一状态(也可以称为当前状态或实时状态)下的目标物体的信息。需要说明的是,目标物体即可以是信息采集者,也可以信息被采集者,那么,处于第一状态下的目标物体的信息则包含两大类信息,第一类信息是(其余物体所采集的)处于第一状态下的目标物体的信息,第二类信息是处于第一状态下的目标物体所采集的(其余物体的)的信息。
其中,第一类信息可以指处于第一状态下的目标物体的n维数据(n为大于或等于2的正整数),当n为2时,2维数据可以指图像、视频以及2维关键点等等,当n为3时,3维数据可以指点云以及3维关键点等等,n的取值也可以为4和5等等,此处不再赘述。例如,设目标物体为人,可获取当前正在活动的人的图像。又如,设目标物体为车辆,可获取当前正在行驶的车辆的视频等等。再如,设目标物体为猫,可获取当前正在跳跃的猫的点云等等。
第二类信息可以指处于第一状态下的目标物体所采集的n维数据,同样地,当n为2时,2维数据可以指图像、视频以及2维关键点等等,当n为3时,3维数据可以指点云以及3维关键点等等,n的取值也可以为4和5等等,此处不再赘述。例如,设目标物体为相机,可获取当前处于某个位姿的相机所采集的图像。又如,设目标物体为激光雷达,可获取当前于某个位姿的激光雷达所采集的点云等等。
402、通过目标模型对信息进行处理,得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数。
得到第一状态的目标物体的信息后,可将第一状态的目标物体的信息输入至目标模型(为已训练的神经网络模型),以通过目标模型对第一状态的目标物体的信息进行一系列的处理(例如,特征提取等等),从而得到第一矩阵。需要说明的是,目标模型所输出的第一矩阵为n阶矩阵,也就是说,第一矩阵为一个n行n列的矩阵。可以理解的是,在第一矩阵所包含的n×n个元素中,第1列的n个元素构成第1个第一列向量,第2列的n个元素构成第2个第一列向量,第3列的n个元素构成第3个第一列向量,...,第n列的n个元素构成第n个第一列向量,也就是说,第一矩阵包含n个第一列向量,由于第一矩阵为普通矩阵,故第一矩阵所包含的n个第一列向量不需满足任何条件。
例如,如图5所示(图5为本申请实施例提供的物体模型旋转方法的一个应用例示意图),在获取正在行走的某个用户的图像后,可将用户的图像输入至目标模型中,经过目标模型处理后,可输出一个3阶矩阵(伪旋转矩阵),即3行3列的矩阵,该矩阵包含列向量a1、列向量a2以及列向量a3,其中,a1包含元素a11,元素a21以及元素a31,a2包含元素a12,元素a22以及元素a32,a3包含元素a13,元素a23以及元素a33。
403、对第一矩阵进行正交化,得到第二矩阵,第二矩阵为n阶旋转矩阵。
由于第一矩阵是伪旋转矩阵,而并非真正的旋转矩阵,若直接使用第一矩阵对目标物体的n维模型进行旋转,将会导致模型发生变形(例如,模型的骨骼变长或缩短)。为了解决该问题,可对第一矩阵进行无偏的的施密特正交化(Unbiased Gram-SchmidtOrthogonalization),从而得到第二矩阵。需要说明的是,第二矩阵为n阶旋转矩阵,也就是说,第二矩阵为一个n行n列的旋转矩阵。可以理解的是,在第二矩阵所包含的n×n个元素中,第1列的n个元素构成第1个第二列向量,第2列的n个元素构成第2个第二列向量,第3列的n个元素构成第3个第二列向量,...,第n列的n个元素构成第n个第二列向量,也就是说,第二矩阵包含n个第二列向量,也就是说,第二矩阵包含n个第二列向量,由于第二矩阵为旋转矩阵,故第二矩阵所包含的n个第二列向量可以满足以下条件中的至少一项:
(a)n个第二列向量之间相互正交,也就是说,在n个第二列向量中,任意2个第二列向量之间的向量乘积为零。(b)n个第二列向量的模均为一,也就是说,对于任意一个第二列向量而言,该第二列向量所包含的所有元素的平方和再开根号的结果为一。(c)n个第二列向量构成n维坐标系。例如,当n为3时,3个第二列向量则构成了右手坐标系。
依旧如上述例子所示,得到3阶矩阵后,可对3阶矩阵进行无偏的的施密特正交化,从而得到3阶旋转矩阵,即3行3列的旋转矩阵,该旋转矩阵包含列向量a`1、列向量a`2以及列向量a`3,其中,a`1包含元素a`11,元素a`21以及元素a`31,a`2包含元素a`12,元素a`22以及元素a`32,a`3包含元素a`13,元素a`23以及元素a`33。
具体地,可通过以下方式来获取第二矩阵:
(1)在得到n个第一列向量后,可对第1个第一列向量至第n个第一列向量进行第一计算,从而得到第1个第二列向量。
其中,第一计算的过程可以包括:
(1.1)在得到n个第一列向量后,可对第2个第一列向量至第n个第一列向量进行叉乘,从而得到第1个第三列向量。其中,叉乘可以通过以下公式实现:
n-cross(p2,...,pn)(2)
上式中,n-cross(p2,...,pn)为第1个第三列向量,p2为第2个第一列向量,pn为第n个第一列向量。
(1.2)在得到第1个第三列向量后,可对第1个第三列向量以及第1个第一列向量进行加权平均,从而得到第1个第四列向量。其中,加权平均可通过以下公式实现(假设各个列向量的权重均为0.5进行示意性介绍,在实际应用中,各个列向量的权重可根据实际需求进行设置,此处不做限制):
上式中,avg(p1)为第1个第四列向量,p1为第1个第一列向量。
(1.3)在得到第1个第四列向量后,可对第1个第四列向量进行归一化,从而得到第1个第二列向量。其中,归一化可以通过以下公式实现:
r1=N(avg(p1))(4)
上式中,r1为第1个第二列向量。
(2)在得到第1个第二列向量后,可对第1个第二列向量,以及第2个第一列向量至第n个第一列向量进行第二计算,得到第2个第二列向量。在得到第2个第二列向量后,可对第1个第二列向量至第2个第二列向量,以及第3个第一列向量至第n个第一列向量进行第二计算,得到第3个第二列向量,...,在得到第n-2个第二列向量后,可对第1个第二列向量至第n-2个第二列向量,以及第n-1个第一列向量至第n个第一列向量进行第二计算,得到第n-1个第二列向量。
由此可见,第2个第二列向量至第n-1个第二列向量的获取过程是类似的,下文以其中任意一个第二列向量进行示意性介绍,并将该第二列向量称为第i个第二列向量(i=2,...n-1),那么,第二计算的过程可以包括:
(2.1)在得到第i-1个第二列向量后,可对第1个第二列向量至第i-1个第二列向量,以及第i+1个第一列向量至第n个第一列向量进行叉乘,从而得到第i个第三列向量。其中,叉乘可以通过以下公式实现:
n-cross(r1,...,ri-1,pi+1,...,pn) (5)
上式中,n-cross(r1,...,pi-1,pi+1,...,pn)为第i个第三列向量,r1为第1个第二列向量,ri-1为第i-1个第二列向量,pi+1为第i+1个第一列向量,pn为第n个第一列向量。
(2.2)在得到第i个第三列向量后,可对第i个第三列向量以及第i个第一列向量进行求平均,从而得到第i个第四列向量。其中,加权平均可通过以下公式实现(假设各个列向量的权重均为0.5进行示意性介绍,在实际应用中,各个列向量的权重可根据实际需求进行设置,此处不做限制):
上式中,avg(pi)为第i个第四列向量,pi为第i个第一列向量。
(2.3)在得到第i个第四列向量后,可将第i个第四列向量投影至第1个第二列向量至第i-1个第二列向量,并将各个投影结果相加,从而得到第i个第五列向量。其中,投影以及相加可通过以下公式实现:
上式中,为第i个第五列向量,rj为第j个第二列向量(j=1,...,i-1),(rj·avg(pi))rj为将第i个第四列向量投影至第j个第二列向量所得到的投影结果。
(2.4)在得到第i个第五列向量后,可对第i个第四列向量与第i个第五列向量相减,从而得到第i个第六列向量。其中,相减可通过以下公式实现:
上式中,为第i个第六列向量。
(2.5)在得到第i个第六列向量后,对第i个第六列向量进行归一化,从而得到第i个第二列向量。其中,归一化可通过以下公式实现:
上式中,ri为第i个第二列向量。反复执行步骤(2.1)至步骤(2.5),最终可以得到第2个第二列向量至第n-1个第二列向量。
(3)经过步骤(1)和步骤(2)后,可以得到第1个第二列向量至第n-1个第二列向量,故可对第1个第二列向量至第n-1个第二列向量进行第三计算,从而得到第n个第二列向量。
其中,第二计算的过程可以包括:
在得到第1个第二列向量至第n-1个第二列向量后,可对第1个第二列向量至第n-1个第二列向量进行叉乘,得到第n个第二列向量。其中,叉乘可通过以下公式实现:
rn=n-cross(r1,...,rn-1) (10)
上式中,rn为第n个第二列向量。至此,可以得到第1个第二列向量至第n个第二列向量,也就是第二矩阵。
404、基于第二矩阵,对目标物体的预置的n维模型进行旋转,得到目标物体的旋转后的n维模型,预置的n维模型用于指示第二状态的目标物体,旋转后的n维模型用于指示第一状态的目标物体。
得到第二矩阵后,可直接使用第二矩阵对目标物体的预置的n维模型进行旋转,得到目标物体的旋转后的n维模型。需要说明的是,目标物体的预置的n维模型用于指示第二状态(也可以称为预置状态或初始状态)的目标物体,目标物体的旋转后的n维模型用于指示第一状态的目标物体。至此,则完成了针对目标物体的物体模型旋转。
依旧如上述例子,得到3阶旋转矩阵后,可直接利用该旋转矩阵,将标准人体的3维模型(3D点)进行旋转,得到标准人体的旋转后的3维模型。其中,标准人体的3维模型用于指示处于静止状态下的用户(比如,用户的双脚站立且双手摊开),标准人体的旋转后的3维模型用于指示处于活动状态下的用户(比如,用户的双脚正在行走)。
此外,还可将本申请实施例提供的目标模型(如表1和表2中的ours)与相关技术提供的模型(如表1和表2中的GS、SVD等等)进行比较,比较结果如表1和表2所示:
表1
PA-MPJPE | MPJPE | PVE | |
GS | 57.5 | 91.1 | 106 |
SVD | 56.7 | 88.7 | 104.8 |
Ours | 52.6(-4.9) | 85.5(-5.6) | 100.6(-5.4) |
表2
PA-MPJPE | Latency(ms) | |
Identity | 57 | 0 |
GS | 55.6 | 0.52 |
SVD | 54.8 | 778.4 |
Unbiased GS(Ours) | 54.8 | 0.58 |
基于表1和表2所知,本申请实施例提供的目标模型的性能(精度和速度)优于相关技术提供的模型的性能。
本申请实施例中,当需要对目标物体进行物体模型旋转时,可先获取第一状态的目标物体的信息,并将这些信息输入至目标模型中。接着,可通过目标模型对信息进行处理,从而得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数。然后,可对第一矩阵进行正交化,从而得到第二矩阵,第二矩阵为n阶旋转矩阵。最后,可直接基于第二矩阵,对目标物体的预置的n维模型进行旋转,从而得到目标物体的旋转后的n维模型,目标物体的预置的n维模型用于指示第二状态的目标物体,目标物体的旋转后的n维模型用于指示第一状态的目标物体。前述过程中,目标模型的输出为n×n的矩阵,该矩阵可以视为一个伪旋转矩阵,故该矩阵可以先不经过正交化处理,直接用于完成目标模型的训练。可见,目标模型的训练过程中不会出现正交化处理,可避免正交化处理在模型训练过程中引起的各种问题,以这样的方式来训练得到目标模型,有利于提高目标模型的性能,即目标模型可准确完成旋转估计,进而准确完成针对目标物体的物体模型旋转。
以上是对本申请实施例提供的物体模型旋转方法所进行的详细说明,以下将对本申请实施例提供的模型训练方法进行介绍。图6为本申请实施例提供的模型训练方法的一个流程示意图,如图6所示,该方法包括:
601、获取第一状态的目标物体的信息。
本实施例中,当需要对待训练模型(需要训练的神经网络模型)进行训练时,可先获取一批训练数据,该批训练数据包含第一状态的目标物体的信息。需要说明的是,目标物体的旋转后的真实n维模型以及真实矩阵是已知的,真实矩阵为n阶矩阵(也就是n×n的矩阵),目标物体的旋转后的真实n维模型可用于准确模拟(指示)第一状态的目标物体。
在一种可能实现的方式中,第一状态的目标物体的信息包括以下至少一种:第一状态的目标物体的n维数据以及第一状态的目标物体采集的n维数据。
关于步骤601的介绍,可参考图4所示实施例中步骤401的相关说明部分,此处不再赘述。
602、通过目标模型对信息进行处理,得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数,第一矩阵用于获取目标物体的旋转后的n维模型,旋转后的n维模型用于指示第一状态的目标物体。
得到第一状态的目标物体的信息,可将第一状态的目标物体的信息输入至待训练模型,那么,待训练模型可对第一状态的目标物体的信息进行处理(例如,特征提取等等),从而得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数。
关于步骤602的介绍,可参考图4所示实施例中步骤402的相关说明部分,此处不再赘述。
603、基于第一矩阵,获取目标损失。
得到第一矩阵后,可对第一矩阵作进一步的处理,从而得到目标损失。
具体地,可通过以下多种方式来获取目标损失:
(1)得到第一矩阵后,直接使用第一矩阵对目标物体的预置的n维模型进行旋转,得到目标物体的旋转后的n维模型。需要说明的是,目标物体的预置的n维模型可用于准确模拟第二状态的目标物体,目标物体的旋转后的n维模型可用于大致模拟第一状态的目标物体。
得到目标物体的旋转后的n维模型后,由于目标物体的旋转后的真实n维模型已知,故可通过预置的第一损失函数对目标物体的旋转后的n维模型以及目标物体的旋转后的真实n维模型进行计算,从而得到目标损失,目标损失用于指示目标物体的旋转后的n维模型以及目标物体的旋转后的真实n维模型之间的差异。
(2)得到第一矩阵后,通过预置的第二损失函数对第一矩阵以及真实矩阵进行计算,从而得到目标损失,目标损失用于指示第一矩阵以及真实矩阵之间的差异。
604、基于目标损失,对待训练模型进行训练,得到目标模型。
得到目标损失后,可基于目标损失对待训练模型的参数进行更新,得到更新参数后的待训练模型,并利用下一批训练数据对更新参数后的待训练模型继续进行训练,直至满足模型训练条件(例如,目标损失收敛等等),从而得到图4所示实施例中的目标模型。
例如,如图7所示(图7为本申请实施例提供的模型训练方法的一个应用例示意图,图7是在图5的基础上进行绘制得到的),在获取训练数据后,可将训练数据(比如,正在活动的用户的图像等等)输入至待训练模型,待训练模型可直接输出3阶矩阵(伪旋转矩阵),那么,可直接利用3阶矩阵构建目标损失,或者,使用3阶矩阵对标准人体的3维模型进行旋转,得到标准人体的旋转后的3维模型,并直接利用标准人体的旋转后的3维模型构建目标损失。然后,基于目标损失来训练待训练模型,直至得到目标模型。
此外,还可将本申请实施例提供的模型训练方法(如图8和图9中的ours)与相关技术提供的模型训练方法(如图8和图9中的6D、SVD等等)进行比较,比较结果如图8和图9所示(图8为本申请实施例提供的比较结果的一个示意图,图9为本申请实施例提供的比较结果的另一示意图),可见,本申请实施例提供的目标模型的训练过程的收敛更快更稳定,且误差更低。
本申请实施例训练得到的目标模型,具备旋转估计功能。具体地,当需要对目标物体进行物体模型旋转时,可先获取第一状态的目标物体的信息,并将这些信息输入至目标模型中。接着,可通过目标模型对信息进行处理,从而得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数。然后,可对第一矩阵进行正交化,从而得到第二矩阵,第二矩阵为n阶旋转矩阵。最后,可直接基于第二矩阵,对目标物体的预置的n维模型进行旋转,从而得到目标物体的旋转后的n维模型,目标物体的预置的n维模型用于指示第二状态的目标物体,目标物体的旋转后的n维模型用于指示第一状态的目标物体。前述过程中,目标模型的输出为n×n的矩阵,该矩阵可以视为一个伪旋转矩阵,故该矩阵可以先不经过正交化处理,直接用于完成目标模型的训练。可见,目标模型的训练过程中不会出现正交化处理,可避免正交化处理在模型训练过程中引起的各种问题,以这样的方式来训练得到目标模型,有利于提高目标模型的性能,即目标模型可准确完成旋转估计,进而准确完成针对目标物体的物体模型旋转。
以上是对本申请实施例提供的物体模型旋转方法以及模型训练方法所进行的详细说明,以下将对本申请实施例提供的物体模型旋转装置以及模型训练装置进行介绍。图10为本申请实施例提供的物体模型旋转装置的一个结构示意图,如图10所示,该装置包括:
获取模块1001,用于获取第一状态的目标物体的信息;
处理模块1002,用于通过目标模型对信息进行处理,得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数;
正交化模块1003,用于对第一矩阵进行正交化,得到第二矩阵,第二矩阵为n阶旋转矩阵;
旋转模块1004,用于基于第二矩阵,对目标物体的预置的n维模型进行旋转,得到目标物体的旋转后的n维模型,预置的n维模型用于指示第二状态的目标物体,旋转后的n维模型用于指示第一状态的目标物体。
本申请实施例中,当需要对目标物体进行物体模型旋转时,可先获取第一状态的目标物体的信息,并将这些信息输入至目标模型中。接着,可通过目标模型对信息进行处理,从而得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数。然后,可对第一矩阵进行正交化,从而得到第二矩阵,第二矩阵为n阶旋转矩阵。最后,可直接基于第二矩阵,对目标物体的预置的n维模型进行旋转,从而得到目标物体的旋转后的n维模型,目标物体的预置的n维模型用于指示第二状态的目标物体,目标物体的旋转后的n维模型用于指示第一状态的目标物体。前述过程中,目标模型的输出为n×n的矩阵,该矩阵可以视为一个伪旋转矩阵,故该矩阵可以先不经过正交化处理,直接用于完成目标模型的训练。可见,目标模型的训练过程中不会出现正交化处理,可避免正交化处理在模型训练过程中引起的各种问题,以这样的方式来训练得到目标模型,有利于提高目标模型的性能,即目标模型可准确完成旋转估计,进而准确完成针对目标物体的物体模型旋转。
在一种可能实现的方式中,第一矩阵包含n个第一列向量,第二矩阵包含n个第二列向量,正交化模块,用于:对第1个第一列向量至第n个第一列向量进行第一计算,得到第1个第二列向量;对第1个第二列向量至第i-1个第二列向量,以及第i个第一列向量至第n个第一列向量进行第二计算,得到第i个第二列向量,i=2,...n-1;对第1个第二列向量至第n-1个第二列向量进行第三计算,得到第n个第二列向量。
在一种可能实现的方式中,正交化模块,用于:对第2个第一列向量至第n个第一列向量进行叉乘,得到第1个第三列向量;对第1个第三列向量以及第1个第一列向量进行加权平均,得到第1个第四列向量;对第1个第四列向量进行归一化,得到第1个第二列向量。
在一种可能实现的方式中,正交化模块,用于:对第1个第二列向量至第i-1个第二列向量,以及第i+1个第一列向量至第n个第一列向量进行叉乘,得到第i个第三列向量;对第i个第三列向量以及第i个第一列向量进行求平均,得到第i个第四列向量;将第i个第四列向量投影至第1个第二列向量至第i-1个第二列向量,并将投影结果相加,得到第i个第五列向量;对第i个第四列向量与第i个第五列向量相减,得到第i个第六列向量;对第i个第六列向量进行归一化,得到第i个第二列向量。
在一种可能实现的方式中,正交化模块,用于对第1个第二列向量至第n-1个第二列向量进行叉乘,得到第n个第二列向量。
在一种可能实现的方式中,n个第二列向量满足以下条件中的至少一项:n个第二列向量之间相互正交;n个第二列向量的模均为一;n个第二列向量构成n维坐标系。
在一种可能实现的方式中,信息包括以下至少一种:第一状态的目标物体的n维数据以及第一状态的目标物体采集的n维数据。
图11为本申请实施例提供的模型训练装置的一个结构示意图,如图11所示,该装置包括:
第一获取模块1101,用于获取第一状态的目标物体的信息;
处理模块1102,用于通过目标模型对信息进行处理,得到第一矩阵,第一矩阵为n阶矩阵,n为大于或等于2的正整数,第一矩阵用于获取目标物体的旋转后的n维模型,旋转后的n维模型用于指示第一状态的目标物体;
第二获取模块1103,用于基于第一矩阵,获取目标损失;
训练模块1104,用于基于目标损失,对待训练模型进行训练,得到目标模型。
在一种可能实现的方式中,第二获取模块,用于:直接使用第一矩阵对目标物体的预置的n维模型进行旋转,得到目标物体的旋转后的n维模型,预置的n维模型用于指示第二状态的目标物体;基于旋转后的n维模型以及目标物体的旋转后的真实n维模型,获取目标损失,旋转后的真实n维模型用于指示第一状态的目标物体,目标损失用于指示旋转后的n维模型以及旋转后的真实n维模型之间的差异。
在一种可能实现的方式中,第二获取模块,用于基于第一矩阵以及真实矩阵,获取目标损失,目标损失用于指示第一矩阵以及真实矩阵之间的差异,真实矩阵为n阶矩阵。
在一种可能实现的方式中,信息包括以下至少一种:第一状态的目标物体的n维数据以及第一状态的目标物体采集的n维数据。
需要说明的是,上述装置各模块/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其带来的技术效果与本申请方法实施例相同,具体内容可参考本申请实施例前述所示的方法实施例中的叙述,此处不再赘述。
本申请实施例还涉及一种执行设备,图12为本申请实施例提供的执行设备的一个结构示意图。如图12所示,执行设备1200具体可以表现为手机、平板、笔记本电脑、智能穿戴设备、服务器等,此处不做限定。其中,执行设备1200上可部署有图10对应实施例中所描述的物体模型旋转装置,用于实现图4对应实施例中物体模型旋转的功能。具体的,执行设备1200包括:接收器1201、发射器1202、处理器1203和存储器1204(其中执行设备1200中的处理器1203的数量可以一个或多个,图12中以一个处理器为例),其中,处理器1203可以包括应用处理器12031和通信处理器12032。在本申请的一些实施例中,接收器1201、发射器1202、处理器1203和存储器1204可通过总线或其它方式连接。
存储器1204可以包括只读存储器和随机存取存储器,并向处理器1203提供指令和数据。存储器1204的一部分还可以包括非易失性随机存取存储器(non-volatile randomaccess memory,NVRAM)。存储器1204存储有处理器和操作指令、可执行模块或者数据结构,或者它们的子集,或者它们的扩展集,其中,操作指令可包括各种操作指令,用于实现各种操作。
处理器1203控制执行设备的操作。具体的应用中,执行设备的各个组件通过总线系统耦合在一起,其中总线系统除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见,在图中将各种总线都称为总线系统。
上述本申请实施例揭示的方法可以应用于处理器1203中,或者由处理器1203实现。处理器1203可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器1203中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1203可以是通用处理器、数字信号处理器(digital signal processing,DSP)、微处理器或微控制器,还可进一步包括专用集成电路(application specific integratedcircuit,ASIC)、现场可编程门阵列(field-programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。该处理器1203可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1204,处理器1203读取存储器1204中的信息,结合其硬件完成上述方法的步骤。
接收器1201可用于接收输入的数字或字符信息,以及产生与执行设备的相关设置以及功能控制有关的信号输入。发射器1202可用于通过第一接口输出数字或字符信息;发射器1202还可用于通过第一接口向磁盘组发送指令,以修改磁盘组中的数据;发射器1202还可以包括显示屏等显示设备。
本申请实施例中,在一种情况下,处理器1203,用于通过图4对应实施例中的目标模型,获取目标物体的旋转后的n维模型。
本申请实施例还涉及一种训练设备,图13为本申请实施例提供的训练设备的一个结构示意图。如图13所示,训练设备1300由一个或多个服务器实现,训练设备1300可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(centralprocessing units,CPU)1313(例如,一个或一个以上处理器)和存储器1332,一个或一个以上存储应用程序1342或数据1344的存储介质1330(例如一个或一个以上海量存储设备)。其中,存储器1332和存储介质1330可以是短暂存储或持久存储。存储在存储介质1330的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对训练设备中的一系列指令操作。更进一步地,中央处理器1313可以设置为与存储介质1330通信,在训练设备1300上执行存储介质1330中的一系列指令操作。
训练设备1300还可以包括一个或一个以上电源1326,一个或一个以上有线或无线网络接口1350,一个或一个以上输入输出接口1358;或,一个或一个以上操作系统1341,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
具体的,训练设备可以执行图6对应实施例中的模型训练方法,从而得到目标模型。
本申请实施例还涉及一种计算机存储介质,该计算机可读存储介质中存储有用于进行信号处理的程序,当其在计算机上运行时,使得计算机执行如前述执行设备所执行的步骤,或者,使得计算机执行如前述训练设备所执行的步骤。
本申请实施例还涉及一种计算机程序产品,该计算机程序产品存储有指令,该指令在由计算机执行时使得计算机执行如前述执行设备所执行的步骤,或者,使得计算机执行如前述训练设备所执行的步骤。
本申请实施例提供的执行设备、训练设备或终端设备具体可以为芯片,芯片包括:处理单元和通信单元,所述处理单元例如可以是处理器,所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令,以使执行设备内的芯片执行上述实施例描述的数据处理方法,或者,以使训练设备内的芯片执行上述实施例描述的数据处理方法。可选地,所述存储单元为所述芯片内的存储单元,如寄存器、缓存等,所述存储单元还可以是所述无线接入设备端内的位于所述芯片外部的存储单元,如只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)等。
具体的,请参阅图14,图14为本申请实施例提供的芯片的一个结构示意图,所述芯片可以表现为神经网络处理器NPU 1400,NPU 1400作为协处理器挂载到主CPU(Host CPU)上,由Host CPU分配任务。NPU的核心部分为运算电路1403,通过控制器1404控制运算电路1403提取存储器中的矩阵数据并进行乘法运算。
在一些实现中,运算电路1403内部包括多个处理单元(Process Engine,PE)。在一些实现中,运算电路1403是二维脉动阵列。运算电路1403还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中,运算电路1403是通用的矩阵处理器。
举例来说,假设有输入矩阵A,权重矩阵B,输出矩阵C。运算电路从权重存储器1402中取矩阵B相应的数据,并缓存在运算电路中每一个PE上。运算电路从输入存储器1401中取矩阵A数据与矩阵B进行矩阵运算,得到的矩阵的部分结果或最终结果,保存在累加器(accumulator)1408中。
统一存储器1406用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(Direct MemoryAccess Controller,DMAC)1405,DMAC被搬运到权重存储器1402中。输入数据也通过DMAC被搬运到统一存储器1406中。
BIU为Bus Interface Unit即,总线接口单元1413,用于AXI总线与DMAC和取指存储器(Instruction Fetch Buffer,IFB)1409的交互。
总线接口单元1413(Bus Interface Unit,简称BIU),用于取指存储器1409从外部存储器获取指令,还用于存储单元访问控制器1405从外部存储器获取输入矩阵A或者权重矩阵B的原数据。
DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器1406或将权重数据搬运到权重存储器1402中或将输入数据数据搬运到输入存储器1401中。
向量计算单元1407包括多个运算处理单元,在需要的情况下,对运算电路1403的输出做进一步处理,如向量乘,向量加,指数运算,对数运算,大小比较等等。主要用于神经网络中非卷积/全连接层网络计算,如Batch Normalization(批归一化),像素级求和,对预测标签平面进行上采样等。
在一些实现中,向量计算单元1407能将经处理的输出的向量存储到统一存储器1406。例如,向量计算单元1407可以将线性函数;或,非线性函数应用到运算电路1403的输出,例如对卷积层提取的预测标签平面进行线性插值,再例如累加值的向量,用以生成激活值。在一些实现中,向量计算单元1407生成归一化的值、像素级求和的值,或二者均有。在一些实现中,处理过的输出的向量能够用作到运算电路1403的激活输入,例如用于在神经网络中的后续层中的使用。
控制器1404连接的取指存储器(instruction fetch buffer)1409,用于存储控制器1404使用的指令;
统一存储器1406,输入存储器1401,权重存储器1402以及取指存储器1409均为On-Chip存储器。外部存储器私有于该NPU硬件架构。
其中,上述任一处提到的处理器,可以是一个通用中央处理器,微处理器,ASIC,或一个或多个用于控制上述程序执行的集成电路。
另外需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本申请提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,训练设备,或者网络设备等)执行本申请各个实施例所述的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、训练设备或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、训练设备或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的训练设备、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
Claims (25)
1.一种物体模型旋转方法,其特征在于,所述方法包括:
获取第一状态的目标物体的信息;
通过目标模型对所述信息进行处理,得到第一矩阵,所述第一矩阵为n阶矩阵,n为大于或等于2的正整数;
对所述第一矩阵进行正交化,得到第二矩阵,所述第二矩阵为n阶旋转矩阵;
基于所述第二矩阵,对所述目标物体的预置的n维模型进行旋转,得到所述目标物体的旋转后的n维模型,所述预置的n维模型用于指示第二状态的目标物体,所述旋转后的n维模型用于指示所述第一状态的目标物体。
2.根据权利要求1所述的方法,其特征在于,所述第一矩阵包含n个第一列向量,所述第二矩阵包含n个第二列向量,所述对所述第一矩阵进行正交化,得到与所述目标物体对应的第二矩阵包括:
对第1个第一列向量至第n个第一列向量进行第一计算,得到第1个第二列向量;
对第1个第二列向量至第i-1个第二列向量,以及第i个第一列向量至第n个第一列向量进行第二计算,得到第i个第二列向量,i=2,...n-1;
对所述第1个第二列向量至所述第n-1个第二列向量进行第三计算,得到第n个第二列向量。
3.根据权利要求2所述的方法,其特征在于,所述对第1个第一列向量至第n个第一列向量进行第一计算,得到第1个第二列向量包括:
对第2个第一列向量至第n个第一列向量进行叉乘,得到第1个第三列向量;
对所述第1个第三列向量以及第1个第一列向量进行加权平均,得到第1个第四列向量;
对所述第1个第四列向量进行归一化,得到第1个第二列向量。
4.根据权利要求2或3所述的方法,其特征在于,所述对第1个第二列向量至第i-1个第二列向量,以及第i个第一列向量至第n个第一列向量进行第二计算,得到第i个第二列向量包括:
对第1个第二列向量至第i-1个第二列向量,以及第i+1个第一列向量至第n个第一列向量进行叉乘,得到第i个第三列向量;
对所述第i个第三列向量以及第i个第一列向量进行求平均,得到第i个第四列向量;
将所述第i个第四列向量投影至所述第1个第二列向量至所述第i-1个第二列向量,并将投影结果相加,得到第i个第五列向量;
对所述第i个第四列向量与所述第i个第五列向量相减,得到第i个第六列向量;
对所述第i个第六列向量进行归一化,得到第i个第二列向量。
5.根据权利要求2至4任意一项所述的方法,其特征在于,所述对所述第1个第二列向量至所述第n-1个第二列向量进行第三计算,得到第n个第二列向量包括:
对所述第1个第二列向量至所述第n-1个第二列向量进行叉乘,得到第n个第二列向量。
6.根据权利要求2至5任意一项所述的方法,其特征在于,所述n个第二列向量满足以下条件中的至少一项:
所述n个第二列向量之间相互正交;
所述n个第二列向量的模均为一;
所述n个第二列向量构成n维坐标系。
7.根据权利要求1至6任意一项所述的方法,其特征在于,所述信息包括以下至少一种:所述第一状态的目标物体的n维数据以及所述第一状态的目标物体采集的n维数据。
8.一种模型训练方法,其特征在于,所述方法包括:
获取第一状态的目标物体的信息;
通过目标模型对所述信息进行处理,得到第一矩阵,所述第一矩阵为n阶矩阵,n为大于或等于2的正整数,所述第一矩阵用于获取所述目标物体的旋转后的n维模型,所述旋转后的n维模型用于指示所述第一状态的目标物体;
基于所述第一矩阵,获取目标损失;
基于所述目标损失,对所述待训练模型进行训练,得到目标模型。
9.根据权利要求8所述的方法,其特征在于,所述基于所述基于所述第一矩阵,获取目标损失包括:
直接使用所述第一矩阵对所述目标物体的预置的n维模型进行旋转,得到所述目标物体的旋转后的n维模型,所述预置的n维模型用于指示第二状态的目标物体;
基于所述旋转后的n维模型以及所述目标物体的旋转后的真实n维模型,获取目标损失,所述旋转后的真实n维模型用于指示所述第一状态的目标物体,所述目标损失用于指示所述旋转后的n维模型以及所述旋转后的真实n维模型之间的差异。
10.根据权利要求8所述的方法,其特征在于,所述基于所述第一矩阵,获取目标损失包括:
基于所述第一矩阵以及真实矩阵,获取目标损失,所述目标损失用于指示所述第一矩阵以及所述真实矩阵之间的差异,所述真实矩阵为n阶矩阵。
11.根据权利要求8至10任意一项所述的方法,其特征在于,所述信息包括以下至少一种:所述第一状态的目标物体的n维数据以及所述第一状态的目标物体采集的n维数据。
12.一种物体模型旋转装置,其特征在于,所述装置包括:
获取模块,用于获取第一状态的目标物体的信息;
处理模块,用于通过目标模型对所述信息进行处理,得到第一矩阵,所述第一矩阵为n阶矩阵,n为大于或等于2的正整数;
正交化模块,用于对所述第一矩阵进行正交化,得到第二矩阵,所述第二矩阵为n阶旋转矩阵;
旋转模块,用于基于所述第二矩阵,对所述目标物体的预置的n维模型进行旋转,得到所述目标物体的旋转后的n维模型,所述预置的n维模型用于指示第二状态的目标物体,所述旋转后的n维模型用于指示所述第一状态的目标物体。
13.根据权利要求12所述的装置,其特征在于,所述第一矩阵包含n个第一列向量,所述第二矩阵包含n个第二列向量,所述正交化模块,用于:
对第1个第一列向量至第n个第一列向量进行第一计算,得到第1个第二列向量;
对第1个第二列向量至第i-1个第二列向量,以及第i个第一列向量至第n个第一列向量进行第二计算,得到第i个第二列向量,i=2,...n-1;
对所述第1个第二列向量至所述第n-1个第二列向量进行第三计算,得到第n个第二列向量。
14.根据权利要求13所述的装置,其特征在于,所述正交化模块,用于:
对第2个第一列向量至第n个第一列向量进行叉乘,得到第1个第三列向量;
对所述第1个第三列向量以及第1个第一列向量进行加权平均,得到第1个第四列向量;
对所述第1个第四列向量进行归一化,得到第1个第二列向量。
15.根据权利要求13或14所述的装置,其特征在于,所述正交化模块,用于:
对第1个第二列向量至第i-1个第二列向量,以及第i+1个第一列向量至第n个第一列向量进行叉乘,得到第i个第三列向量;
对所述第i个第三列向量以及第i个第一列向量进行求平均,得到第i个第四列向量;
将所述第i个第四列向量投影至所述第1个第二列向量至所述第i-1个第二列向量,并将投影结果相加,得到第i个第五列向量;
对所述第i个第四列向量与所述第i个第五列向量相减,得到第i个第六列向量;
对所述第i个第六列向量进行归一化,得到第i个第二列向量。
16.根据权利要求13至15任意一项所述的装置,其特征在于,所述正交化模块,用于对所述第1个第二列向量至所述第n-1个第二列向量进行叉乘,得到第n个第二列向量。
17.根据权利要求13至16任意一项所述的装置,其特征在于,所述n个第二列向量满足以下条件中的至少一项:
所述n个第二列向量之间相互正交;
所述n个第二列向量的模均为一;
所述n个第二列向量构成n维坐标系。
18.根据权利要求12至17任意一项所述的装置,其特征在于,所述信息包括以下至少一种:所述第一状态的目标物体的n维数据以及所述第一状态的目标物体采集的n维数据。
19.一种模型训练装置,其特征在于,所述装置包括:
第一获取模块,用于获取第一状态的目标物体的信息;
处理模块,用于通过目标模型对所述信息进行处理,得到第一矩阵,所述第一矩阵为n阶矩阵,n为大于或等于2的正整数,所述第一矩阵用于获取所述目标物体的旋转后的n维模型,所述旋转后的n维模型用于指示所述第一状态的目标物体;
第二获取模块,用于基于所述第一矩阵,获取目标损失;
训练模块,用于基于所述目标损失,对所述待训练模型进行训练,得到目标模型。
20.根据权利要求19所述的装置,其特征在于,所述第二获取模块,用于:
直接使用所述第一矩阵对所述目标物体的预置的n维模型进行旋转,得到所述目标物体的旋转后的n维模型,所述预置的n维模型用于指示第二状态的目标物体;
基于所述旋转后的n维模型以及所述目标物体的旋转后的真实n维模型,获取目标损失,所述旋转后的真实n维模型用于指示所述第一状态的目标物体,所述目标损失用于指示所述旋转后的n维模型以及所述旋转后的真实n维模型之间的差异。
21.根据权利要求19所述的装置,其特征在于,所述第二获取模块,用于基于所述第一矩阵以及真实矩阵,获取目标损失,所述目标损失用于指示所述第一矩阵以及所述真实矩阵之间的差异,所述真实矩阵为n阶矩阵。
22.根据权利要求19至21任意一项所述的装置,其特征在于,所述信息包括以下至少一种:所述第一状态的目标物体的n维数据以及所述第一状态的目标物体采集的n维数据。
23.一种物体模型旋转装置,其特征在于,所述装置包括存储器和处理器;所述存储器存储有代码,所述处理器被配置为执行所述代码,当所述代码被执行时,所述物体模型旋转装置执行如权利要求1至11任意一项所述的方法。
24.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一个或多个指令,所述指令在由一个或多个计算机执行时使得所述一个或多个计算机实施权利要求1至11任一所述的方法。
25.一种计算机程序产品,其特征在于,所述计算机程序产品存储有指令,所述指令在由计算机执行时,使得所述计算机实施权利要求1至11任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310540964.4A CN116681596A (zh) | 2023-05-12 | 2023-05-12 | 一种物体模型旋转方法及其相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310540964.4A CN116681596A (zh) | 2023-05-12 | 2023-05-12 | 一种物体模型旋转方法及其相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116681596A true CN116681596A (zh) | 2023-09-01 |
Family
ID=87782744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310540964.4A Pending CN116681596A (zh) | 2023-05-12 | 2023-05-12 | 一种物体模型旋转方法及其相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116681596A (zh) |
-
2023
- 2023-05-12 CN CN202310540964.4A patent/CN116681596A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022022274A1 (zh) | 一种模型训练方法及装置 | |
WO2023274052A1 (zh) | 一种图像分类方法及其相关设备 | |
CN113065633A (zh) | 一种模型训练方法及其相关联设备 | |
CN114241597A (zh) | 一种姿态识别方法及其相关设备 | |
CN115238909A (zh) | 一种基于联邦学习的数据价值评估方法及其相关设备 | |
CN114169393A (zh) | 一种图像分类方法及其相关设备 | |
WO2023246735A1 (zh) | 一种项目推荐方法及其相关设备 | |
CN113627421A (zh) | 一种图像处理方法、模型的训练方法以及相关设备 | |
CN117056589A (zh) | 一种物品推荐方法及其相关设备 | |
CN113066125A (zh) | 一种增强现实方法及其相关设备 | |
CN116739154A (zh) | 一种故障预测方法及其相关设备 | |
CN114841361A (zh) | 一种模型训练方法及其相关设备 | |
CN115623242A (zh) | 一种视频处理方法及其相关设备 | |
CN114707070A (zh) | 一种用户行为预测方法及其相关设备 | |
CN115879524A (zh) | 一种模型训练方法及其相关设备 | |
CN113065638A (zh) | 一种神经网络压缩方法及其相关设备 | |
CN116681596A (zh) | 一种物体模型旋转方法及其相关设备 | |
WO2023051236A1 (zh) | 一种偏微分方程求解方法及其相关设备 | |
CN116912314A (zh) | 一种姿态估计方法及其相关设备 | |
US20240185568A1 (en) | Image Classification Method and Related Device Thereof | |
WO2023236900A1 (zh) | 一种项目推荐方法及其相关设备 | |
CN116611861A (zh) | 一种消费预测方法及其相关设备 | |
WO2024061123A1 (zh) | 一种图像处理方法及其相关设备 | |
CN116882472A (zh) | 一种训练数据评估方法及其相关设备 | |
CN116306771A (zh) | 一种模型训练方法及其相关设备 |
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 |