[发明专利]姿态估计及网络训练方法、装置和系统及存储介质

摘要

本发明实施例提供一种姿态估计网络的训练方法、装置和系统与姿态估计方法、装置和系统以及存储介质。训练方法包括：获取N1个样本图像和标注数据；利用N1个样本图像和标注数据对姿态估计网络进行训练，其中，利用N1个样本图像和标注数据对姿态估计网络进行训练包括：在训练过程的每次迭代中，执行第一操作。利用第一操作可以针对难样本进行重点优化。因此，可以有效提高关节点的检测精度。

主权项

1.一种姿态估计网络的训练方法，包括：获取N₁个样本图像和标注数据，其中，所述标注数据包括与所述N₁个样本图像分别对应的关节点位置数据，N₁≥1；利用所述N₁个样本图像和所述标注数据对姿态估计网络进行训练，其中，所述姿态估计网络包括M个U型网络结构，所述M个U型网络结构中的每一个包括下采样模块和上采样模块，并且第i个U型网络结构的下采样模块的输入数据基于第i‑1个U型网络结构的上采样模块输出的N_i个样本图像的特征图获得，其中，i＝2,3,……,M，并且其中，M≥2，N_i≤N₁；其中，所述M个U型网络结构中的至少一个U型网络结构还包括热力图模块，所述利用所述N₁个样本图像和所述标注数据对姿态估计网络进行训练包括：在训练过程的每次迭代中，执行第一操作；其中，所述第一操作包括：根据第j个U型网络结构的热力图模块输出的N_j个样本图像的关节点热力图以及所述N_j个样本图像的关节点位置数据，计算所述N_j个样本图像中的每一个的关节点检测评分，其中，1≤j≤M‑1；忽略所述第j个U型网络结构的上采样模块输出的特征图中除预定特征图以外的特征图，基于所述预定特征图，获得第j+1个U型网络结构的下采样模块的输入数据，其中，所述预定特征图为与关节点检测评分最低的N_j+1个样本图像相对应的特征图，1≤N_j+1＜N_j。