[發明專利]訓練圖像識別模型的方法、圖像識別方法、裝置和農機

在審

• 申請號: 202210366840.4
• 申請日: 2022-04-08
• 公開（公告）號: CN114758190A
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 常志中;汪國會;王香珊
• 申請（專利權）人: 黑龍江惠達科技發展有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京龍雙利達知識產權代理有限公司 11329
• 代理人: 孫濤;毛威

本申請實施例提供了訓練圖像識別模型的方法、圖像識別方法、裝置和農機，涉及人工智能領域，具體涉及圖像識別領域，該方法包括：獲取地塊的N張圖像，N＞1，且為正整數；將所述N張圖像輸入到第一神經網絡，得到第一輸入序列；將所述第一輸入序列輸入到轉換器transformer模型，得到所述transformer模型的預測數據，其中所述transformer模型包括M個transformer層，M≥1，且為正整數；根據所述預測數據調整所述圖像識別模型的模型參數，得到所述圖像識別模型。本申請實施例的將多張圖像同時進行訓練，并利用自注意力機制關聯該多張圖像，提高了訓練效率和圖像識別準確率。

技術領域

本申請實施例涉及人工智能領域，并且更具體地，涉及訓練圖像識別模型的方法、圖像識別方法、裝置和農機。

背景技術

隨著人工智能技術的不斷發展，人工智能技術在不同的領域都發揮著重要作用。在農業領域，為了推進免耕播種作業，可以將整個地塊的多張圖像輸入到神經網絡中得到該多張圖像中每一張圖像的識別結果，例如，每一張圖像對應的地塊是否包括秸稈以及秸稈的類型、秸稈量，然后將該多張圖像的識別結果匯總得到該整個地塊的秸稈量，從而可以基于得到的結果進行免耕播種作業。但是目前在上述過程中，由于該多張圖像可能包括無效圖像，從而可能影響識別精度，因此如何提高地塊識別的精度成為了亟需解決的技術問題。

發明內容

本申請實施例提供了訓練圖像識別模型的方法、圖像識別方法、裝置和農機，可以同時將多張地塊圖像輸入到圖像識別模型中，并利用圖像模型的注意力機制關聯該多張圖像，該圖像識別模型是序列化結構，可以同時輸出地塊圖像對應的秸稈類型和/或秸稈覆蓋率。

第一方面，提供了一種訓練圖像識別模型的方法，其特征在于，該方法包括：獲取地塊的N張圖像，N＞1，且為正整數；將該N張圖像輸入到第一神經網絡，得到第一輸入序列；將該第一輸入序列輸入到轉換器transformer模型，得到該transformer模型的預測數據，其中該transformer模型包括M個transformer層，M≥1，且為正整數；根據該預測數據調整該圖像識別模型的模型參數，得到該圖像識別模型。

本申請實施例提供的圖像識別模型的訓練方法，獲取多張地塊圖像的特征直接進行學習，并通過自注意力機制關聯該多張地塊圖像，從而得到對應的輸出結果，訓練效率高，魯棒性高，有效的避免了模型欠擬合和過擬合的問題。

結合第一方面，在第一方面的某些實現方式中，該將該N張圖像輸入到第一神經網絡，得到第一輸入序列，包括：將該N張圖像輸入到該第一神經網絡，展開得到N個張量；堆疊該N個張量，得到第一序列。

結合第一方面，在第一方面的某些實現方式中，該N個張量的大小為W₁×H₁，其中W₁表示寬度，H₁表示高度。

結合第一方面，在第一方面的某些實現方式中，H₁＝768，W₁＝1。

結合第一方面，在第一方面的某些實現方式中，該transformer模型包括M個transformer層，包括：

該transformer模型包括第一模塊、第二模塊、第三模塊和第四模塊，該第一模塊包括M₁個transformer層，該第二模塊包括M₂個transformer層，該第三模塊包括M₃個transformer層，該第四模塊包括M₄個transformer層，其中，M₁+M₂+M₃+M₄＝M，M₁≥1，且為正整數，M₂≥1，且為正整數，M₃≥1，且為正整數，M₄≥1，且為正整數，M≥4，且為正整數；