【技术实现步骤摘要】
本申请涉及鸟类识别，尤其涉及一种鸟类识别模型的训练方法、装置及相关设备。
技术介绍
1、在智能喂鸟器的应用中，可先拍摄接近智能喂鸟器的目标鸟类的待识别图像，然后通过神经网络模型针对待识别图像进行识别分类得到目标鸟类的种类，后续可基于目标鸟类的种类针对目标鸟类进行个性化喂食。
2、神经网络模型的训练过程需要对包含鸟类的训练图像进行人工标注；由于现有鸟类的种类非常的繁多，此外还由于神经网络模型的训练过程需要使用大量的训练图像，导致人工标注的方式费时费力还容易出现人工误差，进一步导致影响到训练得到的神经网络模型的识别准确率；
3、综上可知，由于现有的用于鸟类识别的神经网络模型在训练过程中需要使用人工标注，导致存在训练过程的训练效率较低并且训练得到的神经网络模型的识别准确度较低的问题。
技术实现思路
1、有鉴于此，本申请的目的在于提供一种鸟类识别模型的训练方法、装置及相关设备，以解决由于现有的鸟类识别的神经网络模型在训练过程中需要使用人工标注，导致存在训练过程的训练效率较低...
【技术保护点】
1.一种鸟类识别模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述聚类结果将多张所述鸟类图像划分为多个图像集合，包括：
3.根据权利要求2所述的方法，其特征在于，所述针对N个所述第一图像集合构造N个伪标签之后，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述将鸟类名称集合所包括的多个鸟类名称中与每个所述图像集合所包括的多个所述鸟类图像之间的特征相似度为最大的所述鸟类名称，确定为对应的所述图像集合中所有所述鸟类图像的标签，包括：
5.根据权利要求4所述的方法，...
【技术特征摘要】
1.一种鸟类识别模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述聚类结果将多张所述鸟类图像划分为多个图像集合，包括：
3.根据权利要求2所述的方法，其特征在于，所述针对n个所述第一图像集合构造n个伪标签之后，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述将鸟类名称集合所包括的多个鸟类名称中与每个所述图像集合所包括的多个所述鸟类图像之间的特征相似度为最大的所述鸟类名称，确定为对应的所述图像集合中所有所述鸟类图像的标签，包括：
5.根据权利要求4所述的方法，其特征在于，所述将每组所述输入数据中与至少pn’个所述鸟类图像之间的所述特征相似度为最大的所述鸟类名称确定为pn个所述鸟类图像的所述标签之后，所述方法还包括：
6.根据权利要求5所述的方法，其特征在...
【专利技术属性】
技术研发人员：丁肇丰，顾湘余，周向根，余家林，余晨晖，李金恋，宋晓婉，郑书潺，何杰，李立江，
申请(专利权)人：杭州杰峰软件有限公司，
类型：发明
国别省市：
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。