猪只行为数据均衡化方法、装置、计算机设备及存储介质制造方法及图纸

本申请属于图像识别技术领域，公开了一种猪只行为数据均衡化方法、装置、计算机设备及存储介质，该方法包括：获取原始样本图像集，原始样本图像集包括从监控视频中采集到的包含猪只行为姿态的多个原始样本图像；基于原始样本图像集对预设的深度卷积生成对抗网络进行训练，得到训练数据生成网络，其中，训练数据生成网络用于生成包含猪只坐立姿态的生成样本图像；通过训练数据生成网络对原始样本图像集进行数据扩充，得到训练样本图像集。本申请可以达到提高猪只行为识别的准确性的效果。以达到提高猪只行为识别的准确性的效果。以达到提高猪只行为识别的准确性的效果。

【技术实现步骤摘要】
猪只行为数据均衡化方法、装置、计算机设备及存储介质


[0001]本申请涉及图像识别
，尤其涉及一种猪只行为数据均衡化方法、装置、计算机设备及存储介质。

技术介绍

[0002]在分类网络算法研究过程中，基于某种场景采集的数据可能会出现类别数量不均衡问题，少数类的数量远远少于多数类。而在实际应用中，少数类别中往往蕴藏着更多值得挖掘的有用信息,例如：对猪只行为进行智能监控的主要目的是让机器代替人监管猪只的日常作息、及时发现猪只异常行为并进行告警。但是在现实研究中，大部分时间猪只处于正常的状态，猪只异常行为数据采集相对比较困难，采集到的研究猪只姿态数据集中坐立姿态的数量远远少于其他姿态类别，导致训练分类网络过程中所使用的训练数据往往出现正负样本不平衡问题，而样本不平衡会造成分类网络过拟合问题，对分类网络的检测准确性造成较大影响。因此，现有技术难以实现对猪只行为的准确识别。

技术实现思路

[0003]本申请提供了一种猪只行为数据均衡化方法、装置、计算机设备及存储介质，有利于获得更高识别精度的猪只行为识别网络，从而提高猪只行为识别的准确性。
[0004]第一方面，本申请实施例提供了一种猪只行为数据均衡化方法，该方法包括：
[0005]获取原始样本图像集，原始样本图像集包括从监控视频中采集到的包含猪只行为姿态的多个原始样本图像；
[0006]基于原始样本图像集对预设的深度卷积生成对抗网络进行训练，得到训练数据生成网络，其中，训练数据生成网络用于生成包含猪只坐立姿态的生成样本图像；/>[0007]通过训练数据生成网络对原始样本图像集进行数据扩充，得到训练样本图像集。
[0008]在其中一个实施例中，深度卷积生成对抗网络包括生成器和判别器；基于原始样本图像集对预设的深度卷积生成对抗网络进行训练，得到训练数据生成网络，包括：
[0009]将预设的噪声和约束条件输入生成器，经过生成器转置卷积操作后生成伪造样本图像；其中，约束条件为猪只的真实位置信息，噪声的形状为正态分布向量；
[0010]从多个原始样本图像中选取包含猪只坐立姿态的原始样本图像作为真实样本图像，并将真实样本图像与伪造样本图像输入判别器进行对比，计算深度卷积生成对抗网络对应的损失信息；
[0011]根据损失信息更新深度卷积生成对抗网络，得到更新后的深度卷积生成对抗网络；
[0012]基于更新后的深度卷积生成对抗网络重复执行将噪声和约束条件信息输入生成器，经过生成器转置卷积操作后生成伪造样本图像至根据损失信息更新深度卷积生成对抗网络，得到更新后的深度卷积生成对抗网络的步骤，直至损失信息满足预设损失条件；
[0013]将损失信息满足预设损失条件时的深度卷积生成对抗网络作为训练数据生成网
络。
[0014]在其中一个实施例中，通过训练数据生成网络对原始样本图像集进行数据扩充，得到训练样本图像集，包括：
[0015]基于原始样本图像集中包含猪只坐立姿态的原始样本图像，通过训练数据生成网络得到生成样本图像集，生成样本图像集包括多张包含猪只坐立姿态的生成样本图像；
[0016]将生成样本图像集加入原始样本图像集，得到训练样本图像集。
[0017]另一方面，本申请实施例提供了一种猪只行为识别网络训练方法，该方法包括：
[0018]获取训练样本图像集，训练样本图像集包括多张包含猪只行为姿态的训练样本图像；
[0019]基于训练样本图像集对预设的分类网络进行训练，得到训练好的猪只行为识别网络；
[0020]其中，训练样本图像集是基于上述各实施例中任一项的猪只行为数据均衡化方法生成得到的。
[0021]另一方面，本申请实施例提供了一种猪只行为识别方法，该方法包括：
[0022]获取待识别图像；
[0023]将待识别图像输入训练好的猪只行为识别网络进行识别，得到待识别图像中猪只行为的分类结果；
[0024]当检测到待识别图像中猪只的行为出现异常时，发出报警信息；
[0025]其中，猪只行为识别网络是基于上述实施例的猪只行为识别网络训练方法训练后得到的。
[0026]另一方面，本申请实施例提供了一种猪只行为数据均衡化装置，该装置包括：
[0027]原始样本获取模块，用于获取原始样本图像集，原始样本图像集包括从监控视频中采集到的包含猪只行为姿态的多个原始样本图像；
[0028]生成网络训练模块，用于基于原始样本图像集对预设的深度卷积生成对抗网络进行训练，得到训练数据生成网络，其中，训练数据生成网络用于生成包含猪只坐立姿态的生成样本图像；
[0029]训练样本生成模块，用于通过训练数据生成网络对原始样本图像集进行数据扩充，得到训练样本图像集。
[0030]另一方面，本申请实施例提供了一种猪只行为识别网络训练装置，该装置包括：
[0031]训练样本获取模块，用于获取训练样本图像集，训练样本图像集包括多张包含猪只行为姿态的训练样本图像；
[0032]识别网络训练模块，用于基于训练样本图像集对预设的分类网络进行训练，得到训练好的猪只行为识别网络；
[0033]其中，训练样本图像集是基于上述实施例的猪只行为数据均衡化装置生成得到的。
[0034]另一方面，本申请实施例提供了一种猪只行为识别装置，该装置包括：
[0035]待识别图像模块，用于获取待识别图像；
[0036]猪只行为识别模块，用于将待识别图像输入训练好的猪只行为识别网络进行识别，得到待识别图像中猪只行为的分类结果；
[0037]异常行为报警模块，用于当检测到待识别图像中猪只的行为出现异常时，发出报警信息；
[0038]其中，猪只行为识别网络是基于上述实施例的猪只行为识别网络训练装置训练后得到的。
[0039]另一方面，本申请实施例提供了一种计算机设备，包括存储器及处理器，存储器中储存有计算机程序，计算机程序被处理器执行时，使得处理器执行如上述任一实施例的猪只行为数据均衡化方法、猪只行为识别网络训练方法或猪只行为识别方法的步骤。
[0040]另一方面，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，计算机程序被处理器执行时实现如上述任一实施例的猪只行为数据均衡化方法、猪只行为识别网络训练方法或猪只行为识别方法的步骤。
[0041]综上，与现有技术相比，本申请实施例提供的技术方案带来的有益效果至少包括：
[0042]本申请实施例提供的一种猪只行为数据均衡化方法，可以获取原始样本图像集，基于原始样本图像集对预设的深度卷积生成对抗网络进行训练，得到训练数据生成网络，其中，训练数据生成网络用于生成包含猪只坐立姿态的生成样本图像；通过训练数据生成网络对原始样本图像集进行数据扩充，得到训练样本图像集。上述方法能够利用训练好的深度卷积生成对抗网络生成猪只坐立姿态图像来扩充训练数据，实现猪只行为数据均衡化，解决了因猪只姿态数据不平衡引起行为识别网络过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种猪只行为数据均衡化方法，其特征在于，所述方法包括：获取原始样本图像集，所述原始样本图像集包括从监控视频中采集到的包含猪只行为姿态的多个原始样本图像；基于所述原始样本图像集对预设的深度卷积生成对抗网络进行训练，得到训练数据生成网络，其中，所述训练数据生成网络用于生成包含猪只坐立姿态的生成样本图像；通过所述训练数据生成网络对所述原始样本图像集进行数据扩充，得到训练样本图像集。2.根据权利要求1所述的方法，其特征在于，所述深度卷积生成对抗网络包括生成器和判别器；所述基于所述原始样本图像集对预设的深度卷积生成对抗网络进行训练，得到训练数据生成网络，包括：将预设的噪声和约束条件输入所述生成器，经过所述生成器转置卷积操作后生成伪造样本图像；其中，所述约束条件为猪只的真实位置信息，所述噪声的形状为正态分布向量；从所述多个原始样本图像中选取包含猪只坐立姿态的原始样本图像作为真实样本图像，并将所述真实样本图像与所述伪造样本图像输入所述判别器进行对比，计算所述深度卷积生成对抗网络对应的损失信息；根据所述损失信息更新所述深度卷积生成对抗网络，得到更新后的所述深度卷积生成对抗网络；基于所述更新后的所述深度卷积生成对抗网络重复执行所述将噪声和约束条件信息输入所述生成器，经过所述生成器转置卷积操作后生成伪造样本图像至所述根据所述损失信息更新所述深度卷积生成对抗网络，得到更新后的所述深度卷积生成对抗网络的步骤，直至所述损失信息满足预设损失条件；将所述损失信息满足所述预设损失条件时的深度卷积生成对抗网络作为所述训练数据生成网络。3.根据权利要求2所述的方法，其特征在于，所述通过所述训练数据生成网络对所述原始样本图像集进行数据扩充，得到训练样本图像集，包括：基于所述原始样本图像集中包含猪只坐立姿态的原始样本图像，通过所述训练数据生成网络得到生成样本图像集，所述生成样本图像集包括多张包含猪只坐立姿态的生成样本图像；将所述生成样本图像集加入所述原始样本图像集，得到所述训练样本图像集。4.一种猪只行为识别网络训练方法，其特征在于，所述方法包括：获取训练样本图像集，所述训练样本图像集包括多张包含猪只行为姿态的训练样本图像；基于所述训练样本图像集对预设的分类网络进行训练，得到训练好的猪只行为识别网络...

【专利技术属性】
技术研发人员：毛亮，陆连凤，
申请(专利权)人：广州国家现代农业产业科技创新中心，
类型：发明
国别省市：