[發明專利]動物識別方法、裝置、設備、存儲介質及程序產品

在審

• 申請號: 202210541701.0
• 申請日: 2022-05-17
• 公開（公告）號: CN114818971A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 許靳昌
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/762;G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 祝亞男

本申請提供了一種動物識別方法、裝置、設備、存儲介質及程序產品，涉及圖像處理技術領域。該方法包括：獲取訓練樣本集；該訓練樣本集中包含至少兩個動物樣本圖像，以及至少兩個動物樣本圖像各自的第一動物標簽；基于第一動物標簽指示的生物學分類，對至少兩個動物樣本圖像進行聚類，獲得至少兩個動物樣本圖像的第二動物標簽；基于至少兩個動物樣本圖像，以及至少兩個動物樣本圖像各自的第二動物標簽，訓練獲得第一特征提取模型；該第一特征提取模型用以對目標圖像進行特征提取，以根據提取到的目標圖像的動物特征對目標圖像中包含的目標動物進行識別；通過上述方法，提高了訓練獲得的模型進行特征提取的準確性，進而提高了動物識別效果。

技術領域

本申請實施例涉及圖像處理技術領域，特別涉及一種動物識別方法、裝置、設備、存儲介質及程序產品。

背景技術

隨著計算機技術的發展，逐漸發展出掃描識物或者長按識物的技術，以通過上述技術獲取圖像中的物體的相關信息。

在相關技術中，通常利用相應的機器學習模型對獲得的圖像進行處理，提取圖像中的特征，從而基于圖像中的特征確定圖像中的物體；其中，該機器學習模型可以是基于識別對象的不同，利用不同的樣本數據進行訓練獲得的。

然而，在獲取到樣本數據后，通常需要人工對各個樣本數據進行標簽標注，以構建訓練樣本集，實現對機器學習模型的訓練，由于人工標注效率較低且人工標準的準確率較低，從而使得對機器學習模型的訓練效果較差，進而導致識物效果較差。

發明內容

本申請實施例提供了一種動物識別方法、裝置、設備、存儲介質及程序產品，可以提高訓練獲得的模型進行特征提取的準確性，進而提高動物識別效果。該技術方案如下：

一方面，提供了一種動物識別方法，所述方法包括：

獲取訓練樣本集；所述訓練樣本集中包含至少兩個動物樣本圖像，以及至少兩個所述動物樣本圖像各自的第一動物標簽；所述第一動物標簽用以指示所述動物樣本圖像在數據庫中的生物學分類；

基于所述第一動物標簽指示的所述生物學分類，對至少兩個所述動物樣本圖像進行聚類，獲得至少兩個所述動物樣本圖像的第二動物標簽；所述第二動物標簽用以指示所述動物樣本圖像修正后的所述生物學分類；

基于至少兩個所述動物樣本圖像，以及至少兩個所述動物樣本圖像各自的所述第二動物標簽，訓練獲得第一特征提取模型；所述第一特征提取模型用以對目標圖像進行特征提取，以根據提取到的所述目標圖像的動物特征對所述目標圖像中包含的目標動物進行識別。

另一方面，提供了一種動物識別裝置，所述裝置包括：

樣本集獲取模塊，用于獲取訓練樣本集；所述訓練樣本集中包含至少兩個動物樣本圖像，以及至少兩個所述動物樣本圖像各自的第一動物標簽；所述第一動物標簽用以指示所述動物樣本圖像在數據庫中的生物學分類；

聚類模塊，用于基于所述第一動物標簽指示的所述生物學分類，對至少兩個所述動物樣本圖像進行聚類，獲得至少兩個所述動物樣本圖像的第二動物標簽；所述第二動物標簽用以指示所述動物樣本圖像修正后的所述生物學分類；

模型訓練模塊，用于基于至少兩個所述動物樣本圖像，以及至少兩個所述動物樣本圖像各自的所述第二動物標簽，訓練獲得第一特征提取模型；所述第一特征提取模型用以對目標圖像進行特征提取，以根據提取到的所述目標圖像的動物特征對所述目標圖像中包含的目標動物進行識別。

在一種可能的實現方式中，所述聚類模塊，包括：

第一圖像集獲取子模塊，用于獲取至少一個第一圖像集，同一所述第一圖像集中包含的所述動物樣本圖像的所述第一動物標簽相同；