【技术实现步骤摘要】
一种确定对象类别的方法、装置、电子设备及存储介质
本专利技术涉及图像处理
，特别是涉及一种确定对象类别的方法、装置、电子设备及存储介质。
技术介绍
随着计算机技术的发展，用于多目标识别的APP(Application，应用程序)逐渐增多。用于多目标识别的APP，可以基于图像识别，确定一张图像中显示的多个对象各自的类别。现有技术中，确定一张图像中显示的多个对象各自的类别的方法，包括以下步骤：将待识别图像输入至预先训练的类别预测网络模型中，然后，类别预测网络模型可以输出该图像中显示的多个对象各自的类别，并对多个对象进行类别标记。例如，将一张显示有车、狗和椅子的图像输入类别预测网络模型，类别预测网络模型可以确定该图像中显示的对象的类别包括：车、狗、椅子。然而，实际应用中，可能需要对一张图像中显示的属于同一类别的对象的子类别进行区分，例如，确定一张图像中显示的鸟群中的每一只鸟的子类别。现有技术中，并未提供相应的方法，能够确定同一类别的对象的子类别，导致现有技术中确定对象类别的方法的适用范围较窄。...
【技术保护点】
1.一种确定对象类别的方法，其特征在于，所述方法包括：/n获取待识别图像；/n基于预先训练的类别预测网络模型，确定所述待识别图像中显示的对象的类别，作为第一类别，其中，所述类别预测网络模型为基于第一训练样本得到的，所述第一训练样本包括第一样本图像和所述第一样本图像中显示的对象的位置和类别；/n针对每一所述对象，基于预先训练的与该对象的第一类别相对应的子类别预测网络模型，确定该对象的子类别，作为第一子类别，其中，所述第一子类别属于所述第一类别，所述子类别预测网络模型为基于第二训练样本得到的，所述第二训练样本包括第二样本图像和所述第二样本图像中显示的对象的子类别，所述第二样本图...
【技术特征摘要】
1.一种确定对象类别的方法，其特征在于，所述方法包括：
获取待识别图像；
基于预先训练的类别预测网络模型，确定所述待识别图像中显示的对象的类别，作为第一类别，其中，所述类别预测网络模型为基于第一训练样本得到的，所述第一训练样本包括第一样本图像和所述第一样本图像中显示的对象的位置和类别；
针对每一所述对象，基于预先训练的与该对象的第一类别相对应的子类别预测网络模型，确定该对象的子类别，作为第一子类别，其中，所述第一子类别属于所述第一类别，所述子类别预测网络模型为基于第二训练样本得到的，所述第二训练样本包括第二样本图像和所述第二样本图像中显示的对象的子类别，所述第二样本图像中仅显示有一个对象，所述第二样本图像中显示的对象的子类别属于所述第一类别。
2.根据权利要求1所述的方法，其特征在于，所述基于预先训练的类别预测网络模型，确定所述待识别图像中显示的对象的类别，包括：
如果所述待识别图像的亮度小于第一亮度阈值，将所述待识别图像的亮度提高至目标亮度范围，得到第一图像，其中，所述目标亮度范围的下限值不小于所述第一亮度阈值，所述目标亮度范围的上限值为预设亮度阈值，所述预设亮度阈值大于所述第一亮度阈值；
基于预先训练的类别预测网络模型，确定所述第一图像中显示的对象的类别，作为所述待识别图像中显示的对象的类别。
3.根据权利要求1所述的方法，其特征在于，在所述基于预先训练的该对象的第一类别对应的子类别预测网络模型，确定该对象的子类别之前，所述方法还包括：
针对每一所述对象，从所述待识别图像中提取该对象所占区域的最小外接矩形对应的图像，作为目标图像；
所述基于预先训练的该对象的第一类别对应的子类别预测网络模型，确定该对象的子类别，包括：
将所述目标图像输入至所述子类别预测网络模型，得到所述子类别预测网络模型输出的子类别编号对应的概率，其中，所述子类别编号与该对象的第一类别所包含的子类别一一对应，所述子类别编号对应的概率表示该对象属于所述子类别编号对应的子类别的概率；
确定对应的概率最大的子类别编号，作为目标子类别编号；
基于预设的子类别编号与子类别的对应关系，确定与所述目标子类别编号对应的子类别，作为该对象的子类别。
4.根据权利要求1所述的方法，其特征在于，在所述基于预先训练的该对象的第一类别对应的子类别预测网络模型，确定该对象的子类别之后，所述方法还包括：
按照该对象的子类别，在所述待识别图像中对该对象进行标记。
5.一种确定对象类别的装置，其特征在于，所述装置包括：
获取模块，用于获取待识别图像；
第一...
【专利技术属性】
技术研发人员：张桥松，林佳月，文为，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。