生物类别的识别方法、装置、存储介质及电子设备制造方法及图纸

本申请公开了生物类别的识别方法、装置、存储介质及电子设备，涉及计算机视觉、深度学习技术领域。具体实现方案为：获取生物的环境图像，并获取生物的主类别；将环境图像输入至环境识别模型以生成环境类别；根据生物的主类别结合环境类别确定生物的子类别，能够将生物所处环境的环境类别与生物的主类别相结合，从而对生物的子类别进行识别，实现针对生物的细粒度识别，提升生物类别的识别效果。

【技术实现步骤摘要】
生物类别的识别方法、装置、存储介质及电子设备
本申请涉及计算机
，具体涉及计算机视觉、深度学习
，尤其涉及生物类别的识别方法、装置、存储介质及电子设备。
技术介绍
细粒度识别，是对某一类物体进行准确、精细的子类别的区分识别。这些子类别在视觉上是极其相似的，不管是对于人们还是对于算法都是很大的挑战，比如不同种类的鸟类、狗、花卉和汽车等，如果不具备相应的专业知识，一般很难判别。细粒度识别相对于物体的一般识别分析来说更加复杂和困难，对于生活和实践的指导借鉴意义更大。当前，有很多的细粒度识别应用，比如识别生物的子类别等等，在人们的生活中已经扮演了重要的助手角色，生物的细粒度识别一方面也可以为人们更好地认识生物提供帮助，另一方面也可以在保护珍稀生物方面做出贡献，具有很好的实用价值。
技术实现思路
提供了一种生物类别的识别方法、装置、存储介质及电子设备，实现将生物所处环境的环境类别与生物的主类别相结合，从而对生物的子类别进行识别，实现针对生物的细粒度识别，提升生物类别的识别效果。根据第一方面，提供了一种生物类别的识别方法，包括：获取生物的环境图像，并获取所述生物的主类别；将所述环境图像输入至环境识别模型以生成环境类别；根据所述生物的主类别结合所述环境类别确定所述生物的子类别。本申请实施例的生物类别的识别方法，通过获取生物的环境图像，并获取生物的主类别；将环境图像输入至环境识别模型以生成环境类别；根据生物的主类别结合环境类别确定生物的子类别，能够将生物所处环境的环境类别与生物的主类别相结合，从而对生物的子类别进行识别，实现针对生物的细粒度识别，提升生物类别的识别效果。根据第二方面，提供了一种生物类别的识别装置，包括：第一获取模块，用于获取生物的环境图像，并获取所述生物的主类别；生成模块，用于将所述环境图像输入至环境识别模型以生成环境类别；第一确定模块，用于根据所述生物的主类别结合所述环境类别确定所述生物的子类别。本申请实施例的生物类别的识别装置，通过获取生物的环境图像，并获取生物的主类别；将环境图像输入至环境识别模型以生成环境类别；根据生物的主类别结合环境类别确定生物的子类别，能够将生物所处环境的环境类别与生物的主类别相结合，从而对生物的子类别进行识别，实现针对生物的细粒度识别，提升生物类别的识别效果。根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请实施例的生物类别的识别方法。本申请实施例的电子设备，通过获取生物的环境图像，并获取生物的主类别；将环境图像输入至环境识别模型以生成环境类别；根据生物的主类别结合环境类别确定生物的子类别，能够将生物所处环境的环境类别与生物的主类别相结合，从而对生物的子类别进行识别，实现针对生物的细粒度识别，提升生物类别的识别效果。根据第四方面，提出了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请实施例公开的生物类别的识别方法。根据本申请的技术解决了相关技术中生物类别的识别效果不佳，类别识别局限于生物主体的特征，细粒度的识别不够精准的技术问题，实现将生物所处环境的环境类别与生物的主类别相结合，从而对生物的子类别进行识别，实现针对生物的细粒度识别，提升生物类别的识别效果。应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。附图说明附图用于更好地理解本方案，不构成对本申请的限定。其中：图1是根据本申请第一实施例的示意图；图2为本申请实施例的拍摄图像示意图；图3为本申请实施例的注意力热力响应图；图4为本申请实施例的生物图像的示意图；图5是根据本申请第二实施例的示意图；图6是根据本申请第三实施例的示意图；图7是根据本申请第四实施例的示意图；图8是用来实现本申请实施例的生物类别的识别方法的电子设备的框图。具体实施方式以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。图1是根据本申请第一实施例的示意图。其中，需要说明的是，本实施例的生物类别的识别方法的执行主体为生物类别的识别装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端、服务器端等。本申请实施例涉及计算机视觉、深度学习
，其中，计算机视觉
主要指用摄影机和电子设备代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电子设备处理成为更适合人眼观察或传送给仪器检测的图像。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。如图1所示，该生物类别的识别方法可以包括：S101：获取生物的环境图像，并获取生物的主类别。其中，环境图像为生物的生活环境的图像，该环境图像可以是预先对该生物的生活环境拍摄得到的，环境图像例如可以呈现生物的生活环境中的植被，海域等等。可以理解的是，由于同一种生物的主类别下，还可以进一步对该生物的子类别进行划分，例如，主类别为鸟类，而鸟类还可以被细分为更为细致的子类别，例如海鸟、麻雀、海鸥、喜鹊等等，不同子类别的生物的生活环境可能相同或者不相同。本申请中正是采用计算机视觉结合深度学习对生物的生活环境的环境类别进行识别，从而可以根据生物的主类别结合环境类别进一步去确定生物的子类别，实现了对生物进行高效、准确地细粒度划分。一些实施例中，上述的环境图像和主类别可以是预先拍摄和标定得到的，例如，已知待细粒度识别生物的主类别为鸟类，并且已经拍摄得到该生物的环境图像，则可以直接获取生物的环境图像，并获取生物的主类别。另一些实施例中，获取生物的主类别，还可以是获取生物的生物图像；通过分类模型对生物图像进行识别以获取生物的主类别，能够有效地丰富了生物类别的识别方法的功能维度，不仅仅实现识别生物的子类别，还实现对生物主类别的识别，提升了类别识别的全面性。上述的生物图像，可以是对该生物主体拍摄得到的，该生物图像能够用于描述生物整体的姿态、形态等特征，由此，可以将生物图像输入至分类模型，由分类模型解析生物图像得到生物整体的姿态、形态等特征，进而根据模型分类算法确定与生物整体的姿态、形态等特征对应的类别作为生物的主类别，对此不作限制。上述的本文档来自技高网...

【技术保护点】
1.一种生物类别的识别方法，包括：/n获取生物的环境图像，并获取所述生物的主类别；/n将所述环境图像输入至环境识别模型以生成环境类别；/n根据所述生物的主类别结合所述环境类别确定所述生物的子类别。/n

【技术特征摘要】
1.一种生物类别的识别方法，包括：
获取生物的环境图像，并获取所述生物的主类别；
将所述环境图像输入至环境识别模型以生成环境类别；
根据所述生物的主类别结合所述环境类别确定所述生物的子类别。


2.根据权利要求1所述的方法，所述获取生物的环境图像前，还包括：
获取样本环境图像，并确定与所述样本图像对应的样本环境类别；
将所述样本环境图像和所述对应的样本环境类别输入至初始环境识别模型以生成预测环境类别；以及
根据所述预测环境类别和与所述样本图像对应的样本环境类别对所述初始环境识别模型进行训练，以得到所述环境识别模型。


3.根据权利要求1所述的方法，其中，所述获取所述生物的主类别，包括：
获取所述生物的生物图像；
通过分类模型对所述生物图像进行识别以获取所述生物的主类别。


4.根据权利要求1或3所述的方法，在所述将所述环境图像输入至环境识别模型以生成环境类别之前，还包括：
根据所述生物的主类别确定与所述主类别对应的环境识别模型。


5.根据权利要求3所述的方法，还包括：
获取所述生物的拍摄图像；
对所述生物的拍摄图像进行前景和背景的切分，并将前景图像作为所述生物图像，以及将背景图像作为所述环境图像。


6.根据权利要求3所述的方法，其中，所述通过分类模型对所述生物图像进行识别以获取所述生物的主类别，包括：
根据所述分类模型，识别所述生物图像对应的特征图；
确定所述特征图中各特征点的注意力响应值；
根据所述注意力响应值，形成与所述特征图对应的注意力热力响应图；
根据所述注意力热力响应图对所述特征图进行增强处理，得到目标特征图；
根据所述分类模型处理所述目标特征图，得到所述主类别。


7.根据权利要求3所述的方法，所述环境类别的数量为至少两种，所述主类别的数量为至少两种，其中，所述根据所述生物的主类别结合所述环境类别确定所述生物的子类别，包括：
获取各所述环境类别，基于所述环境识别模型的第一评分值；
获取各所述主类别对应的第二评分值，所述第二评分值是预先基于所述分类模型识别所述生物的主类别得到的；
根据所述第一评分值结合所述第二评分值确定所述生物的子类别。


8.一种生物类别的识别装置，包括：
第一获取模块，用于获取生物的环境图像，并获取所述生物的主类别；
生成模块，用于将所述环境图像输入至环境识别模型以生成环境类别；
第一确定...

【专利技术属性】
技术研发人员：杨敏，崔程，魏凯，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11