[發(fā)明專利]一種確定對(duì)象類別的方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201911258081.4
• 申請(qǐng)日: 2019-12-10
• 公開（公告）號(hào): CN111046944A
• 公開（公告）日: 2020-04-21
• 發(fā)明（設(shè)計(jì)）人: 張橋松;林佳月;文為
• 申請(qǐng)（專利權(quán)）人: 北京奇藝世紀(jì)科技有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04
• 代理公司: 北京柏杉松知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11413
• 代理人: 馬敬;項(xiàng)京

1.一種確定對(duì)象類別的方法，其特征在于，所述方法包括：

獲取待識(shí)別圖像；

基于預(yù)先訓(xùn)練的類別預(yù)測(cè)網(wǎng)絡(luò)模型，確定所述待識(shí)別圖像中顯示的對(duì)象的類別，作為第一類別，其中，所述類別預(yù)測(cè)網(wǎng)絡(luò)模型為基于第一訓(xùn)練樣本得到的，所述第一訓(xùn)練樣本包括第一樣本圖像和所述第一樣本圖像中顯示的對(duì)象的位置和類別；

針對(duì)每一所述對(duì)象，基于預(yù)先訓(xùn)練的與該對(duì)象的第一類別相對(duì)應(yīng)的子類別預(yù)測(cè)網(wǎng)絡(luò)模型，確定該對(duì)象的子類別，作為第一子類別，其中，所述第一子類別屬于所述第一類別，所述子類別預(yù)測(cè)網(wǎng)絡(luò)模型為基于第二訓(xùn)練樣本得到的，所述第二訓(xùn)練樣本包括第二樣本圖像和所述第二樣本圖像中顯示的對(duì)象的子類別，所述第二樣本圖像中僅顯示有一個(gè)對(duì)象，所述第二樣本圖像中顯示的對(duì)象的子類別屬于所述第一類別。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于預(yù)先訓(xùn)練的類別預(yù)測(cè)網(wǎng)絡(luò)模型，確定所述待識(shí)別圖像中顯示的對(duì)象的類別，包括：

如果所述待識(shí)別圖像的亮度小于第一亮度閾值，將所述待識(shí)別圖像的亮度提高至目標(biāo)亮度范圍，得到第一圖像，其中，所述目標(biāo)亮度范圍的下限值不小于所述第一亮度閾值，所述目標(biāo)亮度范圍的上限值為預(yù)設(shè)亮度閾值，所述預(yù)設(shè)亮度閾值大于所述第一亮度閾值；

基于預(yù)先訓(xùn)練的類別預(yù)測(cè)網(wǎng)絡(luò)模型，確定所述第一圖像中顯示的對(duì)象的類別，作為所述待識(shí)別圖像中顯示的對(duì)象的類別。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述基于預(yù)先訓(xùn)練的該對(duì)象的第一類別對(duì)應(yīng)的子類別預(yù)測(cè)網(wǎng)絡(luò)模型，確定該對(duì)象的子類別之前，所述方法還包括：

針對(duì)每一所述對(duì)象，從所述待識(shí)別圖像中提取該對(duì)象所占區(qū)域的最小外接矩形對(duì)應(yīng)的圖像，作為目標(biāo)圖像；

所述基于預(yù)先訓(xùn)練的該對(duì)象的第一類別對(duì)應(yīng)的子類別預(yù)測(cè)網(wǎng)絡(luò)模型，確定該對(duì)象的子類別，包括：

將所述目標(biāo)圖像輸入至所述子類別預(yù)測(cè)網(wǎng)絡(luò)模型，得到所述子類別預(yù)測(cè)網(wǎng)絡(luò)模型輸出的子類別編號(hào)對(duì)應(yīng)的概率，其中，所述子類別編號(hào)與該對(duì)象的第一類別所包含的子類別一一對(duì)應(yīng)，所述子類別編號(hào)對(duì)應(yīng)的概率表示該對(duì)象屬于所述子類別編號(hào)對(duì)應(yīng)的子類別的概率；

確定對(duì)應(yīng)的概率最大的子類別編號(hào)，作為目標(biāo)子類別編號(hào)；

基于預(yù)設(shè)的子類別編號(hào)與子類別的對(duì)應(yīng)關(guān)系，確定與所述目標(biāo)子類別編號(hào)對(duì)應(yīng)的子類別，作為該對(duì)象的子類別。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述基于預(yù)先訓(xùn)練的該對(duì)象的第一類別對(duì)應(yīng)的子類別預(yù)測(cè)網(wǎng)絡(luò)模型，確定該對(duì)象的子類別之后，所述方法還包括：

按照該對(duì)象的子類別，在所述待識(shí)別圖像中對(duì)該對(duì)象進(jìn)行標(biāo)記。

5.一種確定對(duì)象類別的裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取待識(shí)別圖像；

第一確定模塊，用于基于預(yù)先訓(xùn)練的類別預(yù)測(cè)網(wǎng)絡(luò)模型，確定所述待識(shí)別圖像中顯示的對(duì)象的類別，作為第一類別，其中，所述類別預(yù)測(cè)網(wǎng)絡(luò)模型為基于第一訓(xùn)練樣本得到的，所述第一訓(xùn)練樣本包括第一樣本圖像和所述第一樣本圖像中顯示的對(duì)象的位置和類別；

第二確定模塊，用于針對(duì)每一所述對(duì)象，基于預(yù)先訓(xùn)練的與該對(duì)象的第一類別相對(duì)應(yīng)的子類別預(yù)測(cè)網(wǎng)絡(luò)模型，確定該對(duì)象的子類別，作為第一子類別，其中，所述第一子類別屬于所述第一類別，所述子類別預(yù)測(cè)網(wǎng)絡(luò)模型為基于第二訓(xùn)練樣本得到的，所述第二訓(xùn)練樣本包括第二樣本圖像和所述第二樣本圖像中顯示的對(duì)象的子類別，所述第二樣本圖像中僅顯示有一個(gè)對(duì)象，所述第二樣本圖像中顯示的對(duì)象的子類別屬于所述第一類別。

6.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述第一確定模塊，具體用于如果所述待識(shí)別圖像的亮度小于第一亮度閾值，將所述待識(shí)別圖像的亮度提高至目標(biāo)亮度范圍，得到第一圖像，其中，所述目標(biāo)亮度范圍的下限值不小于所述第一亮度閾值，所述目標(biāo)亮度范圍的上限值為預(yù)設(shè)亮度閾值，所述預(yù)設(shè)亮度閾值大于所述第一亮度閾值；

基于預(yù)先訓(xùn)練的類別預(yù)測(cè)網(wǎng)絡(luò)模型，確定所述第一圖像中顯示的對(duì)象的類別，作為所述待識(shí)別圖像中顯示的對(duì)象的類別。