[发明专利]数据处理、姿态预测方法、设备及存储介质

权利要求书

1.一种数据处理方法，其特征在于，包括：

响应来自客户端对第一接口的调用请求，确定所述第一接口对应的模型训练服务资源，其中，所述模型训练服务资源包括样本图像；

对所述样本图像进行标注，得到第一标注结果；

将标注后的样本图像输入神经网络模型，获得所述神经网络的输出结果；

根据所述输出结果进行误差拟合，以计算所述第一标注结果的标注误差；

根据所述第一标注结果和所述标注误差，对所述神经网络模型进行优化，得到结果模型；

向所述客户端返回所述结果模型。

2.根据权利要求1所述的方法，其特征在于，所述第一标注结果，包括：所述样本图像上标注的对象的姿态，所述输出结果为姿态预测结果，所述结果模型为姿态预测模型。

3.根据权利要求2所述的方法，其特征在于，根据所述第一标注结果和所述标注误差，对所述神经网络模型进行优化，得到结果模型，包括：

根据所述对象的姿态和所述标注误差，构造损失函数；

根据所述损失函数对所述神经网络模型进行优化；

在所述损失收敛到指定范围时，输出优化得到的神经网络模型，作为所述姿态预测模型。

4.一种姿态预测方法，其特征在于，包括：

获取包含第一对象的待处理图像；

将所述待处理图像输入姿态预测模型，以获得所述第一对象的姿态预测结果；其中，所述姿态预测模型，根据自动标注的样本图像和预测得到的所述样本图像的标注误差训练得到；

展示所述第一对象的姿态预测结果。

5.一种数据处理方法，其特征在于，包括：

在样本图像上标注第一对象的第一姿态；

将所述样本图像输入姿态预测模型，以获得所述第一对象的姿态预测结果；

根据所述姿态预测结果进行误差拟合，以估算所述第一姿态的标注误差；

根据所述第一姿态和所述标注误差，对所述姿态预测模型进行优化。

6.根据权利要求5所述的方法，其特征在于，还包括：

在所述姿态预测模型的损失收敛到指定范围时，输出所述姿态预测模型；

将待处理图像输入姿态预测模型，以对所述待处理图像中的第二对象进行姿态预估。

7.根据权利要求5所述的方法，其特征在于，在样本图像上标注第一对象的第一姿态，包括：

从所述样本图像中，识别所述第一对象的姿态关键点；

采用3DMM算法对所述第一对象的姿态关键点进行计算，以在所述样本图像上标注所述第一对象的第一姿态。

8.根据权利要求5所述的方法，其特征在于，所述姿态预测结果，包括：姿态分类概率以及根据所述姿态分类概率识别出的第二姿态。

9.根据权利要求8所述的方法，其特征在于，根据所述姿态预测结果进行误差拟合，以估算所述第一姿态的标注误差，包括：

将所述姿态分类概率和所述第二姿态输入误差拟合网络；

在所述误差拟合网络中，根据所述姿态分类概率，计算分类标注误差，以及，根据所述第二姿态，计算回归标注误差。

10.根据权利要求9所述的方法，其特征在于，将所述姿态分类概率和所述第二姿态输入误差拟合网络，包括：

将所述姿态分类概率中的三个空间维度上的分类概率分别输入所述误差拟合网络中的三个全连接层；

在所述误差拟合网络中，根据所述姿态分类概率，计算分类标注误差，包括：

针对所述三个全连接层中的第一全连接层，根据所述第一全连接层的模型参数，对输入的第一维度上的分类概率进行计算，得到第一维度的分类标注误差。

11.根据权利要求10所述的方法，其特征在于，还包括：

根据所述第一姿态和所述姿态分类概率，确定混淆矩阵；

根据所述混淆矩阵，确定所述第一全连接层的初始的模型参数。