【技術實現步驟摘要】
本申請涉及計算機視覺，特別涉及一種模型訓練方法、人群定位方法、裝置、設備及介質。
技術介紹
1、多視角人群任務（如多視角人群計數與多視角人群定位等）是通過融合多個同一時間且標定的相機視角來解決單視角任務中遇到的大范圍場景覆蓋，嚴重的遮擋以及歧義性問題。然而，已有的多視角人群任務主要關注任務模型并普遍采用隨機采樣的多視角輸入，而隨機采樣的多視角可能存在使得場景中的人被大量遺漏的問題，從而會導致不準確的場景級人群預測。
2、因而現有技術還有待改進和提高。
技術實現思路
1、本申請要解決的技術問題在于，針對現有技術的不足，提供一種模型訓練方法、人群定位方法、裝置、設備及介質。
2、為了解決上述技術問題，本申請第一方面提供了一種模型訓練方法，其中，所述的模型訓練方法具體包括：
3、獲取訓練數據集，所述訓練數據集包括若干多視角圖像；
4、基于所述訓練數據集選取第一視角，并將所述第一視角添加到已標簽視角集；
5、基于所述已標簽視角集對所述訓練數據集進行人群標注以得到標注訓練數據集，并基于所述標注訓練數據集訓練人群任務對應的初始任務模型，其中，標注訓練數據集中的每個已標簽視角攜帶有人群標簽；
6、基于所述初始任務模型以及所述已標簽視角集選取第二視角，并將第二視角添加到已標簽視角集，重新執行基于所述已標簽視角集對所述訓練數據集進行人群標注以得到標注訓練數據集的步驟，直至選取到第視角，其中，為正整數；
7、將第視角添
8、所述的模型訓練方法，其中，所述第視角的選取過程具體包括：
9、計算每個未標簽視角與已標簽視角集在所述訓練數據集中的每幀多視角圖像上的視角評估值，其中，所述視角評估值為基于場景覆蓋率、平均視角距離以及視角差異性確定的；
10、計算每個未標簽視角對應的視角評估值的視角評估值和，并基于視角評估值和在未標簽視角中選取第視角。
11、所述的模型訓練方法，其中，所述基于所述標注訓練數據集訓練人群任務對應的初始任務模型具體包括：
12、對于訓練數據集中的每幀多視角圖像，為所述多視角圖像選取偽標簽視角；
13、基于各已標簽視角和偽標簽視角對應的單視角圖像訓練人群任務對應的初始任務模型。
14、所述的模型訓練方法，其中，所述基于各已標簽視角和偽標簽視角對應的單視角圖像訓練人群任務對應的初始任務模型具體包括：
15、將各已標簽視角和偽標簽視角對應的單視角圖像輸入人群任務對應的初始任務模型，通過所述初始任務模型輸出第一預測地面人群密度圖；
16、獲取已標簽視角集中已標簽視角的視野域的并集，以得到第一聯合視野域；
17、基于所述第一預測地面人群密度圖和所述第一聯合視野域確定第一地面人群密度圖；
18、基于所述第一地面人群密度圖和已標簽視角的人群標簽構建第一損失函數項；
19、基于第一損失函數項對所述初始任務模型進行訓練。
20、所述的模型訓練方法，其中，所述基于所述標注訓練數據集訓練人群任務對應的預設任務模型，以得到人群任務對應的目標任務模型具體包括：
21、對于訓練數據集中的每幀多視角圖像，在所述已標簽視角集中選取個目標視角，在除已標簽視角集外的未標簽視角中選取個偽標簽視角，其中，，為正整數；
22、基于所述個目標視角和個偽標簽視角對應的單視角圖像訓練人群任務對應的預設任務模型。
23、所述的模型訓練方法，其中，所述基于所述個目標視角和個偽標簽視角對應的單視角圖像訓練人群任務對應的預設任務模型具體包括：
24、將個目標視角和個偽標簽視角對應的單視角圖像輸入預設任務模型，通過預設任務模型輸出第二預測地面人群密度圖；
25、獲取各已標簽視角的視野域的并集以得到第一聯合視野域，以及所述目標視角和個偽標簽視角的視野域的并集以得到第二聯合視野域；
26、基于所述第一聯合視野域和所述第二聯合視野確定相交視野域；
27、基于所述相交視野域和基于各已標簽視角的人群標簽確定第二地面人群密度圖，并基于所述相交視野域和第二預測地面人群密度圖確定第三地面人群密度圖；
28、基于所述第二地面人群密度圖和第三地面人群密度圖構建第二損失函數項；
29、基于所述第二失函數項對所述預設任務模型進行訓練。
30、本申請第二方面提供了一種人群定位方法，使用采用如上所述的模型訓練方法訓練得到的人群任務對應的目標任務模型，人群任務為人群定位任務；所述人群定位方法具體包括：
31、獲取多視角圖像，將所述多視角圖像輸入所述目標任務模型；
32、通過所述目標任務模型輸出人群定位結果。
33、本申請第三方面提供了一種模型訓練裝置，其中，所述的模型訓練裝置具體包括：
34、獲取模塊，用于獲取訓練數據集，所述訓練數據集包括若干多視角圖像；
35、第一選取模塊，用于基于所述訓練數據集選取第一視角，并將所述第一視角添加到已標簽視角集；
36、第一訓練模塊，用于基于所述已標簽視角集對所述訓練數據集進行人群標注以得到標注訓練數據集，并基于所述標注訓練數據集訓練人群任務對應的初始任務模型，其中，標注訓練數據集中的每個已標簽視角攜帶有人群標簽；
37、第二選取模塊，用于基于所述初始任務模型以及所述已標簽視角集選取第二視角，并將第二視角添加到已標簽視角集，重新執行基于所述已標簽視角集對所述訓練數據集進行人群標注以得到標注訓練數據集的步驟，直至選取到第視角，其中，為正整數；
38、第二訓練模塊，用于將第視角添加到已標簽視角集，基于所述已標簽視角集對所述訓練數據集進行人群標注以得到標注訓練數據集，基于所述標注訓練數據集訓練人群任務對應的預設任務模型，以得到人群任務對應的目標任務模型。
39、本申請第四方面提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有一個或者多個程序，所述一個或者多個程序可被一個或者多個處理器執行，以實現如上任一所述的模型訓練方法中的步驟。
40、本申請第五方面提供了一種終端設備，其包括：處理器和存儲器；
41、所述存儲器上存儲有可被所述處理器執行的計算機可讀程序；
42、所述處理器執行所述計算機可讀程序時實現如上任一所述的模型訓練方法中的步驟。
43、有益效果：與現有技術相比，本申請提供了一種模型訓練方法、人群定位方法、裝置、設備及介質，所述方法包括基于所述訓練數據集選取第一視角，并將所述第一視角添加到已標簽視角集；基于所述已標簽視角集對所述訓練數據集進行人群標注以得到標注訓練數據集，并基于所本文檔來自技高網...
【技術保護點】
1.一種模型訓練方法，其特征在于，所述的模型訓練方法具體包括：
2.根據權利要求1所述的模型訓練方法，其特征在于，所述第視角的選取過程具體包括：
3.根據權利要求1所述的模型訓練方法，其特征在于，所述基于所述標注訓練數據集訓練人群任務對應的初始任務模型具體包括：
4.根據權利要求3所述的模型訓練方法，其特征在于，所述基于各已標簽視角和偽標簽視角對應的單視角圖像訓練人群任務對應的初始任務模型具體包括：
5.根據權利要求1所述的模型訓練方法，其特征在于，所述基于所述標注訓練數據集訓練人群任務對應的預設任務模型，以得到人群任務對應的目標任務模型具體包括：
6.根據權利要求5所述的模型訓練方法，其特征在于，所述基于所述個目標視角和個偽標簽視角對應的單視角圖像訓練人群任務對應的預設任務模型具體包括：
7.一種人群定位方法，其特征在于，使用采用如權利要求1-6任意一項所述的模型訓練方法訓練得到的人群任務對應的目標任務模型，人群任務為人群定位任務；所述人群定位方法具體包括：
8.一種模型訓練裝置，其特征在于，所
9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有一個或者多個程序，所述一個或者多個程序可被一個或者多個處理器執行，以實現如權利要求1-6任意一項所述的模型訓練方法中的步驟。
10.一種終端設備，其特征在于，包括：處理器和存儲器；
...【技術特征摘要】
1.一種模型訓練方法，其特征在于，所述的模型訓練方法具體包括：
2.根據權利要求1所述的模型訓練方法，其特征在于，所述第視角的選取過程具體包括：
3.根據權利要求1所述的模型訓練方法，其特征在于，所述基于所述標注訓練數據集訓練人群任務對應的初始任務模型具體包括：
4.根據權利要求3所述的模型訓練方法，其特征在于，所述基于各已標簽視角和偽標簽視角對應的單視角圖像訓練人群任務對應的初始任務模型具體包括：
5.根據權利要求1所述的模型訓練方法，其特征在于，所述基于所述標注訓練數據集訓練人群任務對應的預設任務模型，以得到人群任務對應的目標任務模型具體包括：
6.根據權利要求5所述的模型訓練...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。