[发明专利]模型训练方法、装置、存储介质及电子设备

权利要求书

1.一种模型训练方法，其特征在于，所述模型训练方法应用于关键点检测模型，所述关键点检测模型包括：特征提取器，回归器和对抗回归器，所述模型训练方法包括：

确定所述关键点检测模型中待更新的目标对象，其中，所述目标对象包括：所述特征提取器，所述回归器和所述对抗回归器；

对所述目标对象的网络参数进行更新，以使所述关键点检测模型从源域向目标域迁移。

2.根据权利要求1所述的模型训练方法，其特征在于，所述对所述目标对象的网络参数进行更新的步骤包括：

对所述特征提取器，所述回归器和所述对抗回归器中的第一网络参数进行更新。

3.根据权利要求2所述的模型训练方法，其特征在于，所述对所述特征提取器，所述回归器和所述对抗回归器中的第一网络参数进行更新的步骤包括：

对所述回归器和所述对抗回归器输出的热力图进行归一化处理，得到第一处理结果；

计算所述源域上每个关键点标签对应的热力图与所述源域上全部关键点标签对应的热力图总和的比值，得到第二处理结果；

在空间维度上对所述第一处理结果与所述第二处理结果进行散度计算，得到第三处理结果；

基于所述第三处理结果更新所述特征提取器，所述回归器和所述对抗回归器中的第一网络参数，以重新获取所述第三处理结果，直至当所述第三处理结果满足第一预设条件时，停止更新所述第一网络参数。

4.根据权利要求1所述的模型训练方法，其特征在于，所述对所述目标对象的网络参数进行更新的步骤包括：

对所述对抗回归器中的第二网络参数进行更新，以使得最大化所述对抗回归器在所述目标域的散度和所述回归器预测的散度的差异。

5.根据权利要求4所述的模型训练方法，其特征在于，所述对所述对抗回归器中的第二网络参数进行更新的步骤包括：

获取所述回归器在所述目标域上输出的与多个关键点对应的多个热力图，并计算所述多个关键点中除目标关键点之外其余关键点对应的剩余热力图总和；

计算所述目标关键点对应的第一热力图与所述剩余热力图总和的比值，得到第四处理结果；

获取所述对抗回归器在所述目标域上输出的与所述第一热力图对应的第二热力图，并对所述第二热力图进行归一化处理，得到第五处理结果；

在空间维度上对所述第四处理结果与所述第五处理结果进行散度计算，得到第六处理结果；

基于所述第六处理结果更新所述对抗回归器中的第二网络参数，以重新获取所述第六处理结果，直至当所述第六处理结果满足第二预设条件时，停止更新所述第二网络参数。

6.根据权利要求1所述的模型训练方法，其特征在于，所述对所述目标对象的网络参数进行更新的步骤包括：

对所述特征提取器中的第三网络参数进行更新，以使得最小化所述对抗回归器在所述目标域的散度和所述回归器预测的散度的差异。

7.根据权利要求6所述的模型训练方法，其特征在于，所述对所述特征提取器中的第三网络参数进行更新的步骤包括：

获取所述回归器在所述目标域上输出的与多个关键点对应的多个热力图，并计算所述多个关键点中除目标关键点之外其余关键点对应的剩余热力图总和；

计算所述目标关键点对应的第一热力图与所述剩余热力图总和的比值，得到第七处理结果；

获取所述对抗回归器在所述目标域上输出的与所述第一热力图对应的第二热力图，并对所述第二热力图进行归一化处理，得到第八处理结果；

在空间维度上对所述第七处理结果与所述第八处理结果进行散度计算，得到第九处理结果；

基于所述第九处理结果更新所述特征提取器中的第三网络参数，以重新获取所述第九处理结果，直至当所述第九处理结果满足第三预设条件时，停止更新所述第三网络参数。