[發明專利]一種寵物圖像識別的方法和裝置

在審

• 申請號: 201810323793.9
• 申請日: 2018-04-11
• 公開（公告）號: CN108460428A
• 公開（公告）日: 2018-08-28
• 發明（設計）人: 羅學勱;梁浩;孫力勝;吳駿
• 申請（專利權）人: 波奇（上海）信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 陳曉云

1.一種寵物圖像識別的方法，其特征在于，包括：

獲取待處理圖像，其中，所述待處理圖像的數量為多個，且每個所述待處理圖像中均包括待識別寵物；

調用預先構建的目標神經網絡，其中，所述目標神經網絡為預先通過目標層級分類樹的層級損失函數構建的神經網絡；

將所述待處理圖像輸入至所述目標神經網絡中，以使所述目標神經網絡按照所述目標層級分類樹中所包含的分類特征對所述待處理圖像進行分類識別，得到識別結果，其中，所述識別結果為所述待處理圖像中所包含的所述待識別寵物的種類。

2.根據權利要求1所述的方法，其特征在于，在獲取待處理圖像之前，所述方法還包括：

構建所述目標層級分類樹；

計算所述目標層級分類樹的層級損失函數；

基于所述層級損失函數構建所述目標神經網絡，其中，所述目標神經網絡的損失函數為所述層級損失函數。

3.根據權利要求2所述的方法，其特征在于，構建所述目標層級分類樹包括：

確定所述目標層級分類樹的分類屬性，其中，所述分類屬性包括：種類和/或屬性特征，所述種類包括：待識別寵物的品種，所述屬性特征包括以下至少之一：待識別寵物的血統，待識別寵物的年齡，待識別寵物的年齡，待識別寵物的性別，待識別寵物的體型，待識別寵物的毛發；

基于所述分類屬性，為所述目標層級分類樹的各個節點配置對應的類別和/或對應的屬性特征；

在為所述目標層級分類樹的各個節點配置對應的類別和/或對應的屬性特征之后，為每個所述節點賦予對應的概率值，以及為每個所述節點賦予對應的權重，從而得到所述目標層級分類樹。

4.根據權利要求1所述的方法，其特征在于，獲取待處理圖像包括：

獲取待處理的原始圖像，其中，所述待處理的原始圖像為包括所述待識別寵物的圖像；

對所述待處理的原始圖像進行預處理，得到所述待處理圖像，其中，所述預處理包括：剪裁處理和白化處理。

5.根據權利要求1所述的方法，其特征在于，在獲取待處理圖像之前，所述方法還包括：

獲取訓練集圖像；

通過所述訓練集圖像對所述目標神經網絡的初始網絡進行訓練，訓練得到所述目標神經網絡。

6.根據權利要求5所述的方法，其特征在于，獲取訓練集圖像包括：

對所述訓練集圖像的原始圖像進行預處理，得到所述訓練集圖像，其中，所述預處理包括：剪裁處理，翻轉處理，亮度變化處理，對比度變化處理，白化處理。

7.一種寵物圖像識別的裝置，其特征在于，所述裝置包括：

獲取單元，用于獲取待處理圖像，其中，所述待處理圖像的數量為多個，且每個所述待處理圖像中均包括待識別寵物；

調用單元，用于調用預先構建的目標神經網絡，其中，所述目標神經網絡為預先通過目標層級分類樹的層級損失函數構建的神經網絡；

識別單元，用于將所述待處理圖像輸入至所述目標神經網絡中進行識別，以使所述目標神經網絡按照所述目標層級分類樹中所包含的分類特征對所述待處理圖像進行分類識別，得到識別結果，其中，所述識別結果為所述待處理圖像中所包含的所述待識別寵物的種類。

8.根據權利要求7所述的裝置，其特征在于，所述裝置還包括：

第一構建單元，用于構建所述目標層級分類樹；

計算單元，用于計算所述目標層級分類樹的層級損失函數；

第二構建單元，用于基于所述層級損失函數構建所述目標神經網絡，其中，所述目標神經網絡的損失函數為所述層級損失函數。