[發明專利]用于識別花卉的方法和裝置

在審

• 申請號: 201810044186.9
• 申請日: 2018-01-17
• 公開（公告）號: CN108171275A
• 公開（公告）日: 2018-06-15
• 發明（設計）人: 孫明;周峰
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N99/00
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本申請實施例公開了用于識別花卉的方法和裝置。該方法的一具體實施方式包括:獲取待識別圖像；將待識別圖像輸入預先訓練的花卉識別模型，得到第一識別結果，其中，第一識別結果包括待識別圖像中存在指定的花卉類別集合中的花卉類別下的花卉的概率和不存在花卉的概率，花卉識別模型用于表征圖像與第一識別結果之間的對應關系；基于所得的第一識別結果生成第二識別結果，并輸出第二識別結果。該實施方式實現了對花卉的識別。

技術領域

本申請實施例涉及計算機技術領域，具體涉及互聯網技術領域，尤其涉及用于識別花卉的方法和裝置。

背景技術

隨著花卉品種的不斷增多，人們通過肉眼通常只能辨別出少數品種的花卉。因此，幫助用戶進行花卉識別成為了一種需求。而且，花卉識別還可以應用到多種不同的應用場景，例如花店的結賬流程、花卉生長狀態監控等等。

發明內容

本申請實施例提出了用于識別花卉的方法和裝置。

第一方面，本申請實施例提供了一種用于識別花卉的方法，該方法包括：獲取待識別圖像；將上述待識別圖像輸入預先訓練的花卉識別模型，得到第一識別結果，其中，上述第一識別結果包括上述待識別圖像中存在指定的花卉類別集合中的花卉類別下的花卉的概率和不存在花卉的概率，上述花卉識別模型用于表征圖像與第一識別結果之間的對應關系；基于所得的第一識別結果生成第二識別結果，并輸出上述第二識別結果。

在一些實施例中，上述花卉識別模型是通過對預設的卷積神經網絡進行訓練得到的，其中，上述卷積神經網絡包括卷積層、池化層、全連接層和損失層，上述卷積神經網絡中的非首個卷積層與位于上述非首個卷積層之前的至少一個卷積層相連接。

在一些實施例中，上述花卉識別模型是通過以下訓練步驟訓練得到的：獲取預置的樣本圖像集合和與上述樣本圖像集合中的每個樣本圖像對應的標簽，其中，上述樣本圖像集合中存在顯示有花卉的樣本圖像；利用機器學習方法，基于上述樣本圖像集合、上述樣本圖像集合中的每個樣本圖像所對應的標簽、預設的分類損失函數和反向傳播算法對上述卷積神經網絡進行訓練，得到花卉識別模型。

在一些實施例中，上述基于所得的第一識別結果生成第二識別結果，包括：確定上述待識別圖像中不存在花卉的概率是否為所得的第一識別結果中的最大概率；若不是最大概率，則按照數值大小，從上述待識別圖像中存在上述花卉類別集合中的花卉類別下的花卉的概率中選取概率，并將選取出的概率和該概率所對應的花卉類別的名稱生成第二識別結果。

在一些實施例中，上述按照數值大小，從上述待識別圖像中存在上述花卉類別集合中的花卉類別下的花卉的概率中選取概率，包括：按照數值由大到小的順序，對上述待識別圖像中存在上述花卉類別集合中的花卉類別下的花卉的概率進行排序，得到概率序列；從上述概率序列的首部開始選取預置數目個概率。

在一些實施例中，上述按照數值大小，從上述待識別圖像中存在上述花卉類別集合中的花卉類別下的花卉的概率中選取概率，還包括：從上述待識別圖像中存在上述花卉類別集合中的花卉類別下的花卉的概率中選取不小于概率閾值的概率。

在一些實施例中，上述基于所得的第一識別結果生成第二識別結果，還包括：若是最大概率，則生成用于指示上述待識別圖像中不存在花卉的文本信息，將上述文本信息和上述待識別圖像中不存在花卉的概率生成第二識別結果。

在一些實施例中，上述方法還包括：將上述待識別圖像作為新的樣本圖像進行存儲。

第二方面，本申請實施例提供了一種用于識別花卉的裝置，該裝置包括：獲取單元，配置用于獲取待識別圖像；識別單元，配置用于將上述待識別圖像輸入預先訓練的花卉識別模型，得到第一識別結果，其中，上述第一識別結果包括上述待識別圖像中存在指定的花卉類別集合中的花卉類別下的花卉的概率和不存在花卉的概率，上述花卉識別模型用于表征圖像與第一識別結果之間的對應關系；輸出單元，配置用于基于所得的第一識別結果生成第二識別結果，并輸出上述第二識別結果。