人体识别模型的训练方法及装置与流程

本公开涉及机器学习，尤其涉及一种人体识别模型的训练方法及装置。

背景技术：

1、在实际的人体识别中，待识别的图片往往存在遮挡，但是人体识别模型的训练中却对图片被遮挡的情况考虑不足，这导致训练后的人体识别模型识别存在遮挡情况的图片准确率低的问题。比如现有技术仅仅是在训练中使用到了存在遮挡情况的图片，并没有针对遮挡图片的特征对模型结构进行改进，也没有提出针对存在遮挡情况的图片以及改进结构后的模型的训练方法。

2、在实现本公开构思的过程中，发明人发现相关技术中至少存在如下技术问题：基于传统模型训练方法训练后的人体识别模型识别存在遮挡情况的图片准确率低的问题。

技术实现思路

1、有鉴于此，本公开实施例提供了一种人体识别模型的训练方法、装置、电子设备及计算机可读存储介质，以解决现有技术中，基于传统模型训练方法训练后的人体识别模型识别存在遮挡情况的图片准确率低的问题。

2、本公开实施例的第一方面，提供了一种人体识别模型的训练方法，包括：构建双流有效注意力网络和多阶段有效注意力网络，以残差神经网络为主干网络，连接双流有效注意力网络和多阶段有效注意力网络，得到人体识别模型；获取人体训练数据集，将人体训练数据集中训练样本输入人体识别模型，其中，训练样本上被标注有第一预设数量的有效区域和第二预设数量的无效区域；分别通过残差神经网络的多个阶段网络输出多个阶段特征；利用双流有效注意力网络对每个阶段特征进行双流交互计算，得到每个阶段特征对应的交互特征；利用多阶段有效注意力网络处理每个阶段特征和该阶段特征对应的交互特征，得到每个阶段特征对应的显著特征；基于每个阶段特征对应的显著特征，利用损失函数完成对人体识别模型的训练。

3、本公开实施例的第二方面，提供了一种人体识别模型的训练装置，包括：构建模块，被配置为构建双流有效注意力网络和多阶段有效注意力网络，以残差神经网络为主干网络，连接双流有效注意力网络和多阶段有效注意力网络，得到人体识别模型；获取模块，被配置为获取人体训练数据集，将人体训练数据集中训练样本输入人体识别模型，其中，训练样本上被标注有第一预设数量的有效区域和第二预设数量的无效区域；第一处理模块，被配置为分别通过残差神经网络的多个阶段网络输出多个阶段特征；第二处理模块，被配置为利用双流有效注意力网络对每个阶段特征进行双流交互计算，得到每个阶段特征对应的交互特征；第三处理模块，被配置为利用多阶段有效注意力网络处理每个阶段特征和该阶段特征对应的交互特征，得到每个阶段特征对应的显著特征；训练模块，被配置为基于每个阶段特征对应的显著特征，利用损失函数完成对人体识别模型的训练。

4、本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

5、本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

6、本公开实施例与现有技术相比存在的有益效果是：因为本公开实施例通过构建双流有效注意力网络和多阶段有效注意力网络，以残差神经网络为主干网络，连接双流有效注意力网络和多阶段有效注意力网络，得到人体识别模型；获取人体训练数据集，将人体训练数据集中训练样本输入人体识别模型，其中，训练样本上被标注有第一预设数量的有效区域和第二预设数量的无效区域；分别通过残差神经网络的多个阶段网络输出多个阶段特征；利用双流有效注意力网络对每个阶段特征进行双流交互计算，得到每个阶段特征对应的交互特征；利用多阶段有效注意力网络处理每个阶段特征和该阶段特征对应的交互特征，得到每个阶段特征对应的显著特征；基于每个阶段特征对应的显著特征，利用损失函数完成对人体识别模型的训练，因此，采用上述技术手段，可以解决现有技术中，基于传统模型训练方法训练后的人体识别模型识别存在遮挡情况的图片准确率低的问题，进而提高模型识别存在遮挡情况的图片准确率。

技术特征：

1.一种人体识别模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述分别通过所述残差神经网络的多个阶段网络输出多个阶段特征，包括：

3.根据权利要求1所述的方法，其特征在于，所述利用所述双流有效注意力网络对每个阶段特征进行双流交互计算，得到每个阶段特征对应的交互特征，包括：

4.根据权利要求1所述的方法，其特征在于，所述利用所述多阶段有效注意力网络处理每个阶段特征和该阶段特征对应的交互特征，得到每个阶段特征对应的显著特征，包括：

5.根据权利要求1所述的方法，其特征在于，所述基于每个阶段特征对应的显著特征，利用损失函数完成对所述人体识别模型的训练，包括：

6.根据权利要求5所述的方法，其特征在于，所述基于每个阶段特征对应的显著特征，利用第一损失函数和第二损失函数完成对所述人体识别模型识别图片有效区域以及无效区域的训练，包括：

7.根据权利要求6所述的方法，其特征在于，包括：

8.一种人体识别模型的训练装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。

技术总结
本公开涉及机器学习技术领域，提供了一种人体识别模型的训练方法及装置。该方法包括：构建双流有效注意力网络和多阶段有效注意力网络，以残差神经网络为主干网络，连接双流有效注意力网络和多阶段有效注意力网络，得到人体识别模型；获取人体训练数据集，将人体训练数据集中训练样本输入人体识别模型；分别通过残差神经网络的多个阶段网络输出多个阶段特征；利用双流有效注意力网络对每个阶段特征进行双流交互计算，得到每个阶段特征对应的交互特征；利用多阶段有效注意力网络处理每个阶段特征和该阶段特征对应的交互特征，得到每个阶段特征对应的显著特征；基于每个阶段特征对应的显著特征，利用损失函数完成对人体识别模型的训练。

技术研发人员：请求不公布姓名
受保护的技术使用者：深圳须弥云图空间科技有限公司
技术研发日：
技术公布日：2024/1/13