用于识别花卉的方法和装置制造方法及图纸

本申请实施例公开了用于识别花卉的方法和装置。该方法的一具体实施方式包括:获取待识别图像；将待识别图像输入预先训练的花卉识别模型，得到第一识别结果，其中，第一识别结果包括待识别图像中存在指定的花卉类别集合中的花卉类别下的花卉的概率和不存在花卉的概率，花卉识别模型用于表征图像与第一识别结果之间的对应关系；基于所得的第一识别结果生成第二识别结果，并输出第二识别结果。该实施方式实现了对花卉的识别。 1

Methods and devices used to identify flowers

The application embodiment discloses a method and device for identifying flowers. The first recognition result of the first recognition result includes the probability of the flowers under the flower category in the set of the specified flower categories to be identified and the non existence of the flower probability. The rate, the flower identification model is used to represent the corresponding relationship between the image and the first recognition result; the first recognition result based on the obtained second recognition result is generated and the second recognition result is output. This implementation method realizes the identification of flowers. One

【技术实现步骤摘要】
用于识别花卉的方法和装置
本申请实施例涉及计算机
，具体涉及互联网
，尤其涉及用于识别花卉的方法和装置。
技术介绍
随着花卉品种的不断增多，人们通过肉眼通常只能辨别出少数品种的花卉。因此，帮助用户进行花卉识别成为了一种需求。而且，花卉识别还可以应用到多种不同的应用场景，例如花店的结账流程、花卉生长状态监控等等。
技术实现思路
本申请实施例提出了用于识别花卉的方法和装置。第一方面，本申请实施例提供了一种用于识别花卉的方法，该方法包括：获取待识别图像；将上述待识别图像输入预先训练的花卉识别模型，得到第一识别结果，其中，上述第一识别结果包括上述待识别图像中存在指定的花卉类别集合中的花卉类别下的花卉的概率和不存在花卉的概率，上述花卉识别模型用于表征图像与第一识别结果之间的对应关系；基于所得的第一识别结果生成第二识别结果，并输出上述第二识别结果。在一些实施例中，上述花卉识别模型是通过对预设的卷积神经网络进行训练得到的，其中，上述卷积神经网络包括卷积层、池化层、全连接层和损失层，上述卷积神经网络中的非首个卷积层与位于上述非首个卷积层之前的至少一个卷积层相连接。在一些实施例中，上述花卉识别模型是通过以下训练步骤训练得到的：获取预置的样本图像集合和与上述样本图像集合中的每个样本图像对应的标签，其中，上述样本图像集合中存在显示有花卉的样本图像；利用机器学习方法，基于上述样本图像集合、上述样本图像集合中的每个样本图像所对应的标签、预设的分类损失函数和反向传播算法对上述卷积神经网络进行训练，得到花卉识别模型。在一些实施例中，上述基于所得的第一识别结果生成第二识别结果，包括：确定上述待识别图像中不存在花卉的概率是否为所得的第一识别结果中的最大概率；若不是最大概率，则按照数值大小，从上述待识别图像中存在上述花卉类别集合中的花卉类别下的花卉的概率中选取概率，并将选取出的概率和该概率所对应的花卉类别的名称生成第二识别结果。在一些实施例中，上述按照数值大小，从上述待识别图像中存在上述花卉类别集合中的花卉类别下的花卉的概率中选取概率，包括：按照数值由大到小的顺序，对上述待识别图像中存在上述花卉类别集合中的花卉类别下的花卉的概率进行排序，得到概率序列；从上述概率序列的首部开始选取预置数目个概率。在一些实施例中，上述按照数值大小，从上述待识别图像中存在上述花卉类别集合中的花卉类别下的花卉的概率中选取概率，还包括：从上述待识别图像中存在上述花卉类别集合中的花卉类别下的花卉的概率中选取不小于概率阈值的概率。在一些实施例中，上述基于所得的第一识别结果生成第二识别结果，还包括：若是最大概率，则生成用于指示上述待识别图像中不存在花卉的文本信息，将上述文本信息和上述待识别图像中不存在花卉的概率生成第二识别结果。在一些实施例中，上述方法还包括：将上述待识别图像作为新的样本图像进行存储。第二方面，本申请实施例提供了一种用于识别花卉的装置，该装置包括：获取单元，配置用于获取待识别图像；识别单元，配置用于将上述待识别图像输入预先训练的花卉识别模型，得到第一识别结果，其中，上述第一识别结果包括上述待识别图像中存在指定的花卉类别集合中的花卉类别下的花卉的概率和不存在花卉的概率，上述花卉识别模型用于表征图像与第一识别结果之间的对应关系；输出单元，配置用于基于所得的第一识别结果生成第二识别结果，并输出上述第二识别结果。在一些实施例中，上述花卉识别模型是通过对预设的卷积神经网络进行训练得到的，其中，上述卷积神经网络包括卷积层、池化层、全连接层和损失层，上述卷积神经网络中的非首个卷积层与位于上述非首个卷积层之前的至少一个卷积层相连接。在一些实施例中，上述花卉识别模型是通过以下训练步骤训练得到的：获取预置的样本图像集合和与上述样本图像集合中的每个样本图像对应的标签，其中，上述样本图像集合中存在显示有花卉的样本图像；利用机器学习方法，基于上述样本图像集合、上述样本图像集合中的每个样本图像所对应的标签、预设的分类损失函数和反向传播算法对上述卷积神经网络进行训练，得到花卉识别模型。在一些实施例中，上述输出单元包括：确定子单元，配置用于确定上述待识别图像中不存在花卉的概率是否为所得的第一识别结果中的最大概率；第一生成子单元，配置用于若不是最大概率，则按照数值大小，从上述待识别图像中存在上述花卉类别集合中的花卉类别下的花卉的概率中选取概率，并将选取出的概率和该概率所对应的花卉类别的名称生成第二识别结果。在一些实施例中，上述第一生成子单元进一步配置用于：按照数值由大到小的顺序，对上述待识别图像中存在上述花卉类别集合中的花卉类别下的花卉的概率进行排序，得到概率序列；从上述概率序列的首部开始选取预置数目个概率。在一些实施例中，上述第一生成子单元还进一步配置用于：从上述待识别图像中存在上述花卉类别集合中的花卉类别下的花卉的概率中选取不小于概率阈值的概率。在一些实施例中，上述输出单元还包括：第二生成子单元，配置用于若是最大概率，则生成用于指示上述待识别图像中不存在花卉的文本信息，将上述文本信息和上述待识别图像中不存在花卉的概率生成第二识别结果。在一些实施例中，上述装置还包括：存储单元，配置用于将上述待识别图像作为新的样本图像进行存储。第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面中任一实现方式反映的方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，上述程序被处理器执行时实现如第一方面中任一实现方式反映的方法。本申请实施例提供的用于识别花卉的方法和装置，通过将所获取的待识别图像输入预先训练的花卉识别模型，以便得到第一识别结果，其中，该第一识别结果包括该待识别图像中存在指定的花卉类别集合中的花卉类别下的花卉的概率和不存在花卉的概率。而后基于所得的第一识别结果来生成第二识别结果，并输第二识别结果。从而有效利用了花卉识别模型来得到第一识别结果，以及基于第一识别结果来得到第二识别结果，实现了对花卉的识别。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细反映，本申请的其它特征、目的和优点将会变得更明显：图1是本申请可以应用于其中的示例性系统架构图；图2是根据本申请的用于识别花卉的方法的一个实施例的流程图；图3是根据本申请的用于识别花卉的方法的一个应用场景的示意图；图4是根据本申请的用于识别花卉的装置的一个实施例的结构示意图；图5是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所反映的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于反映，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请的用于识别花卉的方法或用于识别花卉的装置的实施例的示例性系统架构100。如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器10本文档来自技高网...

【技术保护点】
1.一种用于识别花卉的方法，包括：

【技术特征摘要】
1.一种用于识别花卉的方法，包括：获取待识别图像；将所述待识别图像输入预先训练的花卉识别模型，得到第一识别结果，其中，所述第一识别结果包括所述待识别图像中存在指定的花卉类别集合中的花卉类别下的花卉的概率和不存在花卉的概率，所述花卉识别模型用于表征图像与第一识别结果之间的对应关系；基于所得的第一识别结果生成第二识别结果，并输出所述第二识别结果。2.根据权利要求1所述的方法，其中，所述花卉识别模型是通过对预设的卷积神经网络进行训练得到的，其中，所述卷积神经网络包括卷积层、池化层、全连接层和损失层，所述卷积神经网络中的非首个卷积层与位于所述非首个卷积层之前的至少一个卷积层相连接。3.根据权利要求2所述的方法，其中，所述花卉识别模型是通过以下训练步骤训练得到的：获取预置的样本图像集合和与所述样本图像集合中的每个样本图像对应的标签，其中，所述样本图像集合中存在显示有花卉的样本图像；利用机器学习方法，基于所述样本图像集合、所述样本图像集合中的每个样本图像所对应的标签、预设的分类损失函数和反向传播算法对所述卷积神经网络进行训练，得到花卉识别模型。4.根据权利要求1所述的方法，其中，所述基于所得的第一识别结果生成第二识别结果，包括：确定所述待识别图像中不存在花卉的概率是否为所得的第一识别结果中的最大概率；若不是最大概率，则按照数值大小，从所述待识别图像中存在所述花卉类别集合中的花卉类别下的花卉的概率中选取概率，并将选取出的概率和该概率所对应的花卉类别的名称生成第二识别结果。5.根据权利要求4所述的方法，其中，所述按照数值大小，从所述待识别图像中存在所述花卉类别集合中的花卉类别下的花卉的概率中选取概率，包括：按照数值由大到小的顺序，对所述待识别图像中存在所述花卉类别集合中的花卉类别下的花卉的概率进行排序，得到概率序列；从所述概率序列的首部开始选取预置数目个概率。6.根据权利要求4所述的方法，其中，所述按照数值大小，从所述待识别图像中存在所述花卉类别集合中的花卉类别下的花卉的概率中选取概率，还包括：从所述待识别图像中存在所述花卉类别集合中的花卉类别下的花卉的概率中选取不小于概率阈值的概率。7.根据权利要求4所述的方法，其中，所述基于所得的第一识别结果生成第二识别结果，还包括：若是最大概率，则生成用于指示所述待识别图像中不存在花卉的文本信息，将所述文本信息和所述待识别图像中不存在花卉的概率生成第二识别结果。8.根据权利要求1所述的方法，其中，所述方法还包括：将所述待识别图像作为新的样本图像进行存储。9.一种用于识别花卉的装置，包括：获取单元，配置用于获取待识别图像；识别单元，配置用于将所述待识别图像输入预先训练的花卉识别模型，得到第...

【专利技术属性】
技术研发人员：孙明，周峰，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11