对象分类模型的训练方法、对象分类预测方法及装置与流程

1.本公开涉实施例涉及人工智能和生态保护技术领域，更具体地，涉及一种对象分类模型的训练方法、对象分类预测方法、对象分类模型的训练装置、对象分类预测装置、电子设备、计算机可读存储介质以及计算机程序产品。


背景技术：

2.在生态领域，不同动物对环境的敏感性不同，针对此特征可以将环境敏感性较高的动物作为生态环境的指示物种，例如鸟类。
3.在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题：鸟类等动物的种群姿势的统计依赖于人工成本较高的人工统计方法。


技术实现要素：

4.有鉴于此，本公开实施例提供了一种对象分类模型的训练方法、对象分类预测方法、对象分类模型的训练装置、对象分类预测装置、电子设备、计算机可读存储介质以及计算机程序产品。
5.本公开实施例的一个方面提供了一种对象分类模型的训练方法，包括：
6.获取训练样本数据集，其中，上述训练样本数据集中的训练样本包括训练图像以及上述训练图像的标签数据，其中，上述训练图像表征对象的多种姿势，上述对象包括动物，上述标签数据包括针对上述姿势的真实姿势分类信息；
7.将上述训练图像输入深度神经网络模型，输出识别结果，上述识别结果包括预测姿势分类信息；
8.根据上述识别结果和上述标签数据计算损失函数，得到损失结果；以及
9.根据上述损失结果迭代地调整上述深度神经网络模型的网络参数，生成经训练的对象分类模型。
10.根据本公开的实施例，上述对象的种类包括多种；上述标签数据还包括根据上述对象的种类生成的真实种类分类信息；上述识别结果还包括预测种类分类信息。
11.根据本公开的实施例，上述深度神经网络模型包括第一特征提取网络、第一对象种类分类网络和第一对象姿势分类网络；
12.其中，上述第一对象种类分类网络和上述第一对象姿势分类网络均包括依次级联的第一卷积层、最大值池化层、第二卷积层、平均值池化层和全连接层。
13.根据本公开的实施例，上述将上述训练图像输入深度神经网络模型，输出识别结果，包括：
14.将上述训练图像输入上述第一特征提取网络，输出第一特征图；
15.将上述第一特征图输入上述第一卷积层，输出第二特征图；
16.将上述第二特征图输入上述最大值池化层，输出压缩后的第二特征图；
17.将上述压缩后的第二特征图输入上述第二卷积层，输出第三特征图；
18.将上述第三特征图输入上述平均值池化层，输出压缩后的第三特征图；
19.将上述压缩后的第三特征图输入上述全连接层，输出上述预测姿势分类信息或预测种类分类信息。
20.根据本公开的实施例，上述标签数据还包括根据上述对象生成的真实密度图，上述识别结果还包括预测密度图，其中，上述真实密度图表征上述对象在上述训练图像中的多个位置处的真实聚集程度，上述预测密度图表征上述对象在上述训练图像中多个位置处的预测聚集程度。
21.根据本公开的实施例，上述深度神经网络模型包括第二特征提取网络、空洞卷积层、密度图生成网络和第二对象姿势分类网络；
22.其中，上述将上述训练图像输入深度神经网络模型，输出识别结果，包括：
23.将上述训练图像输入上述第二特征提取网络，输出第四特征图；
24.将上述第四特征图输入上述第二对象姿势分类网络，输出上述预测姿势分类信息；
25.将上述第四特征图输入上述空洞卷积层，输出第五特征图；
26.将上述第五特征图输入上述密度图生成网络，输出预测密度图。
27.根据本公开的实施例，上述对象分类模型的训练方法还包括：
28.获取多个初始训练图像；
29.在上述初始训练图像的像素尺寸不满足预设条件的情况下，调整上述待识别图像的像素尺寸，得到上述训练图像；
30.根据对上述训练图像进行标注，得到上述标签数据；以及
31.根据多个上述训练图像和与上述训练图像对应的上述标签数据生成上述训练样本数据集。
32.本公开实施例的另一个方面提供了一种对象分类预测方法，包括：
33.获取待识别图像，其中，上述待识别图像表征对象的多种姿势，上述对象包括动物；以及
34.将上述待识别图像输入对象分类模型，得到识别结果，其中，上述识别结果包括目标姿势分类信息；
35.其中，上述对象分类模型是利用如上所述的方法训练得到的。
36.根据本公开的实施例，上述对象的种类包括多种，上述动物包括鸟；上述识别结果还包括目标种类分类信息和/或目标密度图，上述目标密度图表征上述待识别图像中不同位置的上述对象的聚集程度；
37.其中，上述方法还包括：
38.根据上述目标密度图，生成上述对象的目标数量信息。
39.本公开实施例的另一个方面提供了一种对象分类模型的训练装置，包括：
40.第一获取模块，用于获取训练样本数据集，其中，上述训练样本数据集中的训练样本包括训练图像以及上述训练图像的标签数据，其中，上述训练图像表征对象的多种姿势，上述对象包括动物，上述标签数据包括针对上述姿势的真实姿势分类信息；
41.输出模块，用于将上述训练图像输入深度神经网络模型，输出识别结果，上述识别结果包括预测姿势分类信息；
42.计算模块，用于根据上述识别结果和上述标签数据计算损失函数，得到损失结果；以及
43.迭代训练模块，用于根据上述损失结果迭代地调整上述深度神经网络模型的网络参数，生成经训练的对象分类模型。
44.本公开实施例的另一个方面提供了一种对象分类预测装置，包括：
45.第二获取模块，用于获取待识别图像，其中，上述待识别图像表征对象的多种姿势，上述对象包括动物；以及
46.预测模块，用于将上述待识别图像输入对象分类模型，得到识别结果，其中，上述识别结果包括目标姿势分类信息；
47.其中，上述对象分类模型是利用如上所述的方法训练得到的。
48.本公开实施例的另一个方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的方法。
49.本公开实施例的另一个方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
50.本公开实施例的另一个方面提供了一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
51.根据本公开的实施例，通过利用包括动物等对象的姿势的训练图像对深度神经网络进行训练，可以得到能够对对象的姿势进行预测的对象分类模型，从而可以利用分类对象模型对动物等对象的姿势进行预测，因此至少部分地克服了鸟类等动物的种群姿势的统计依赖于人工成本较高的人工统计方法的技术问题，进而达到了降低动物等对象的姿势的统计成本的技术效果。
附图说明
52.通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
53.图1示意性示出了根据本公开实施例的应用对象分类模型的训练方法或对象分类预测方法的示例性系统架构；
54.图2示意性示出了根据本公开实施例的对象分类模型的训练方法的流程图；
55.图3示意性示出了根据本公开实施例的生成训练样本数据集的流程图；
56.图4示意性示出了根据本公开实施例的对象分类模型的训练方法的方法示意图；
57.图5示意性示出了根据本公开实施例的对象分类预测方法的流程图；
58.图6示意性示出了根据本公开的实施例的对象分类模型的训练装置的框图；
59.图7示意性示出了根据本公开的实施例的对象分类预测装置的框图；以及
60.图8示意性示出了根据本公开实施例的实现对象分类模型的训练方法或对象分类预测方法的电子设备的框图。
具体实施方式
61.以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性
的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
62.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
63.在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
64.在使用类似于“a、b和c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b和c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。
65.鸟类由于其敏感性较高，经常被用作生态环境的指示物种。此外，在获取大量有关鸟类种群计数数据的情况下，可以大致确定鸟类种群分布的具体位置，从而制定鸟类监测计划。因此，鸟类种群计数对生态环境的保护具有重要意义。
66.然而当前的鸟类种群计数仍然是使用一些具有较高的人工成本的传统统计方法进行人工计数。
67.虽然目前很多研究学者已经提出了大量基于深度神经网络的方法来进行人群计数，但是这些方法并不能直接转移到鸟类种群计数中。因为在人群计数的任务中，人群计数算法主要尝试从人的头部中提取有效信息，因此人的姿势对最终提取的密度信息影响很小。但是鸟类的头部只是整个身体的一小部分，而姿势对鸟的形态特征有很大的影响。除此之外，不同物种的形态特征也有很大差异，因此人群计数算法难以适应鸟类种群密度估算的任务。
68.有鉴于此，发明人发现可以利用包括鸟类等对象的多种姿势的训练样本数据集对深度神经网络模型进行训练，可以得到经训练的对象分类模型，从而利用该对象分类模型可以实现对鸟类等对象的姿势的预测，进而可以避免人工统计方式造成的人力和财力的浪费。
69.本公开的实施例提供了一种对象分类模型的训练方法、对象分类预测方法、对象分类模型的训练装置、对象分类预测装置、电子设备、计算机可读存储介质以及计算机程序产品。该对象分类模型的训练方法包括获取训练样本数据集，训练样本数据集中的训练样本包括训练图像以及训练图像的标签数据，训练图像表征对象的多种姿势，对象包括动物，标签数据包括针对姿势的真实姿势分类信息；将训练图像输入深度神经网络模型，输出识别结果，识别结果包括预测姿势分类信息；根据识别结果和标签数据计算损失函数，得到损失结果；以及根据损失结果迭代地调整深度神经网络模型的网络参数，生成经训练的对象分类模型。
70.图1示意性示出了根据本公开实施例的可以应用对象分类模型的训练方法或对象分类预测方法的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例
的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
71.如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等。
72.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送数据等，数据包括训练样本数据集或初始训练图像。终端设备101、102、103上可以安装有各种客户端应用，例如对象分类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
73.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等。
74.服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户的数据生成的对象分类模型或目标姿势分类信息等)反馈给终端设备。
75.需要说明的是，本公开实施例所提供的对象分类模型的训练方法或对象分类预测方法一般可以由服务器105执行。相应地，本公开实施例所提供的对象分类模型的训练装置或对象分类预测装置一般可以设置于服务器105中。本公开实施例所提供的对象分类模型的训练方法或对象分类预测方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的对象分类模型的训练装置或对象分类预测装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。或者，本公开实施例所提供的对象分类模型的训练方法或对象分类预测方法也可以由终端设备101、102、或103执行，或者也可以由不同于终端设备101、102、或103的其他终端设备执行。相应地，本公开实施例所提供的对象分类模型的训练装置或对象分类预测装置也可以设置于终端设备101、102、或103中，或设置于不同于终端设备101、102、或103的其他终端设备中。
76.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
77.图2示意性示出了根据本公开实施例的对象分类模型的训练方法的流程图。
78.如图2所示，该对象分类模型的训练方法可以包括操作s210～操作s240。
79.在操作s210，获取训练样本数据集，训练样本数据集中的训练样本包括训练图像以及训练图像的标签数据，训练图像表征对象的多种姿势，对象可以包括动物，标签数据包括针对姿势的真实姿势分类信息。
80.在操作s220，将训练图像输入深度神经网络模型，输出识别结果，识别结果包括预测姿势分类信息。
81.在操作s230，根据识别结果和标签数据计算损失函数，得到损失结果。
82.在操作s240，根据损失结果迭代地调整深度神经网络模型的网络参数，生成经训练的对象分类模型。
83.根据本公开的实施例，对象还可以包括植物，例如，植物可以包括树或花等。
84.根据本公开的实施例，动物可以包括哺乳动物、鱼类、鸟类、两栖动物和昆虫等。为了便于对本发明进行描述，以下实施例以鸟类举例说明。
85.根据本公开的实施例，训练图像中鸟类的姿势可以包括站立正视图、站立侧视图、飞行正视图、飞行侧视图和飞行仰视图。
86.根据本公开的实施例，标签数据可以包括格式为表格文件，表格文件的内容可以包括真实姿势分类信息和对应的位置坐标，真实姿势分类信息可以包括对上述不同姿势进行编号的编号信息。
87.根据本公开的实施例，深度神经网络模型的特征提取部分可以采用卷积神经网络(convolutional neural networks，cnn)，例如，可以采用去掉最后三层卷积以及全部全连接层的vgg
‑
16网络，且该vgg
‑
16网络的权重参数已经过预训练。
88.需要说明的是，本实施例的深度神经网络不限于vgg
‑
16网络等卷积神经网络，也可以为其他类型的神经网络。本公开实施例不对此进行限制。
89.根据本公开的实施例，将获取的训练图像输入深度神经网络模型，输出预测姿势分类信息，并根据预测姿势分类信息和标签数据计算损失函数，根据损失结果迭代地调整深度神经网络模型的网络参数。在损失结果收敛的情况下，可以得到经训练的对象分类模型。
90.根据本公开的实施例，通过利用包括动物等对象的姿势的训练图像对深度神经网络进行训练，可以得到能够对对象的姿势进行预测的对象分类模型，从而可以利用分类对象模型对动物等对象的姿势进行预测，因此至少部分地克服了鸟类等动物的种群姿势的统计依赖于人工成本较高的人工统计方法的技术问题，进而达到了降低动物等对象的姿势的统计成本的技术效果。
91.根据本公开的实施例，对象的种类包括多种。标签数据还包括根据对象的种类生成的真实种类分类信息。识别结果还包括预测种类分类信息。
92.根据本公开的实施例，种类分类信息可以包括鸟的种类，例如鸟类可以包括游禽、涉禽、路禽、鸣禽和攀禽等。鸟类的种类大约有220余种，在此不进行详细叙述。
93.根据本公开的实施例，深度神经网络模型包括第一特征提取网络、第一对象种类分类网络和第一对象姿势分类网络。
94.第一对象种类分类网络和第一对象姿势分类网络均包括依次级联的第一卷积层、最大值池化层、第二卷积层、平均值池化层和全连接层。
95.根据本公开的实施例，第一对象种类分类网络和第一对象姿势分类网络分别与第一特征提取网络的输出端连接。
96.根据本公开的实施例，第一特征提取网络的具体结构可以包括两层卷积核大小为3
×
3，滤波器个数为64的卷积层、最大值池化层、两层卷积核大小为3
×
3，滤波器个数为128的卷积层、最大值池化层，三层滤波器大小为256，前两层卷积核大小为3
×
3，最后一层为1
×
1的卷积层、最大值池化层，三层滤波器个数为512，前两层卷积核大小为3
×
3，最后一层卷积核大小为1
×
1的卷积层。
97.根据本公开的实施例，第一对象种类分类网络和第一对象姿势分类网络的作用可以是将训练图像中鸟类的姿势和所属的分类进行识别，该识别是一个粗分类。
98.根据本公开的实施例，为了提高对象分类模型的识别速度，减少对象分类模型中
网络的层数，上述两个网络的具体结构可以包括一个卷积核为3
×
3，滤波器个数为512，步长为2的第一卷积层，一个或多个最大值池化层，最大值池化层可以快速将数据信息进行缩小，两层卷积核为3
×
3，滤波器个数为512，第一个步长为1，第二个步长为2的第二卷积层，第二卷积层可以对数据信息进行缩减，以达到快速降维的效果，以及一个或多个平均值池化层和至少两个全连接层，以实现鸟类的站立正视图、站立侧视图、飞行正视图、飞行侧视图和飞行仰视图的分类处理。
99.需要说明的是，对象分类模型中每个层的具体参数并非为了限制本公开的范围，其只是为了说明本技术的技术方案所举的示例，其具体参数可以根据需求具体设定。
100.根据本公开的实施例，将训练图像输入深度神经网络模型，输出识别结果，可以包括如下操作。
101.将训练图像输入第一特征提取网络，输出第一特征图。将第一特征图输入第一卷积层，输出第二特征图。将第二特征图输入最大值池化层，输出压缩后的第二特征图。将压缩后的第二特征图输入第二卷积层，输出第三特征图。将第三特征图输入平均值池化层，输出压缩后的第三特征图。将压缩后的第三特征图输入全连接层，输出预测姿势分类信息或预测种类分类信息。
102.根据本公开的实施例，第一特征图的尺寸可以包括128
×
96
×
512，尺寸的单位为像素。以下实施例中的尺寸单位均为像素，不再进行单独描述。
103.根据本公开的实施例，压缩后的第二特征图的数据信息的大小可以为第二特征图的数据信息的大小的四分之一。第三特征图的数据信息的大小可以为压缩后的第二特征图的数据信息的大小的二分之一。
104.根据本公开的实施例，第一对象种类分类网络中全连接层的输出可以为多个通道，其通道的数量对应于鸟类的种类的数量，例如，通道数量为13时对应于鸟类的种类为13种。
105.需要说明的是，在本公开的实施例以及下文中所涉及的128
×
96
×
512或128
×
96
×
1等像素值并非为了限制本公开的范围，其只是为了说明本技术的技术方案所举的示例，其具体数值可以根据需求具体设定。
106.根据本公开的实施例，标签数据还包括根据对象生成的真实密度图，识别结果还包括预测密度图，真实密度图表征对象在训练图像中的多个位置处的真实聚集程度，预测密度图表征对象在训练图像中多个位置处的预测聚集程度。
107.根据本公开的实施例，深度神经网络模型包括第二特征提取网络、空洞卷积层、密度图生成网络和第二对象姿势分类网络。
108.将训练图像输入深度神经网络模型，输出识别结果，可以包括如下操作。
109.将训练图像输入第二特征提取网络，输出第四特征图。将第四特征图输入第二对象姿势分类网络，输出预测姿势分类信息。将第四特征图输入空洞卷积层，输出第五特征图。将第五特征图输入密度图生成网络，输出预测密度图。
110.根据本公开的实施例，第二特征提取网络与第一特征提取网络的网络结构和作用相同，第二对象姿势分类网络与第一对象姿势分类网络的网络结构和作用相同，在此不进行赘述。
111.根据本公开的实施例，密度图可以用来表示鸟类数量和分布情况的图。密度图生
成网络可以指使用卷积神经网络搭建的用于生成密度图的算法结构。
112.根据本公开的实施例，为了增加第四特征图中像素点之间的上下文关联，以及为了神经网络提取到更多的密度信息，可以使用多个空洞卷积层对第四特征图进行处理，空洞卷积层的个数优选为6个，且每个空洞卷积层在卷积时添加补充像素点，以保证输出的第五特征图的尺寸与第四特征图的尺寸相同。
113.根据本公开的实施例，在孔洞卷积层的个数为6个的情况下，前三个孔洞卷积层的滤波器个数可以为512，后三个孔洞卷积层的滤波器个数可以分别为256、128和64，其主要作用可以为快速降低数据量。
114.根据本公开的实施例，空洞卷积层和密度图生成网络之间还可以包括一个卷积核大小为3
×
3，滤波器大小为1的第三卷积层，以保证密度图生成网络输出的预测密度图的尺寸为预设尺寸，例如预设尺寸可以为128
×
96
×
1。
115.根据本公开的实施例，密度图生成网络使用欧几里得距离来测量估计的密度图和真实密度图之间的差异。该密度图生成网络的损失函数如以下公式所示。
[0116][0117]
其中，θ表示密度图生成网络中的一组可学习参数；n表示训练图像的数量；x
i
表示输入的训练图像；f
i
表示训练图像x
i
的真实密度图；f(x
i
；θ)表示由密度图生成网络生成的预测密度图，并且对训练图像x
i
进行了参数化。l(θ)表示预测密度图和真实密度图之间的损失值。
[0118]
根据本公开的实施例，在第一对象种类分类网络、第一对象姿势分类网络和密度图生成网络在同一个对象分类模型的情况下，第一对象种类分类网络、第一对象姿势分类网络和密度图生成网络分别与该对象分类模型的特征提取网络相连接，例如，该对象分类模型的特征提取网络可以为第一特征提取网络或第二特征提取网络。
[0119]
根据本公开的实施例，第一对象姿势分类网络和第一对象种类分类网络分别输出多个不同的姿势和视角以及多种鸟类的类别。上述两个分类网络的损失函数可以使用交叉熵损失函数，并针对姿势和种类，分别命名为l
p
和l
s
。
[0120]
根据本公开的实施例，通过权衡上述两个分类网络和密度图生成网络的损失，在训练过程中，两个分类网络与具有密度图生成网络的对象分类模型同时参与梯度更新，从鸟类的姿势和种类两个方面为对象分类模型提供了形态学先验知识，进而使得对象分类模型的权重适合于对鸟类数量的统计。两个分类网络可以是即插即用模块。
[0121]
根据本公开的实施例，具有第一对象种类分类网络、第一对象姿势分类网络和密度图生成网络的对象分类模型的损失函数如以下公式所示。
[0122]
l＝0.9
×
l
θ
0.05
×
l
p
0.05
×
l
s
[0123]
其中，l
θ
表示密度图生成网络的损失函数；l
p
表示第一对象种类分类网络的损失函数；l
s
表示第一对象姿势分类网络的损失函数；l表示对象分类模型的损失函数。
[0124]
根据本公开的实施例，在对象分类模型的损失函数l满足预设阈值条件的情况下，生成经训练的对象分类模型。预设阈值条件可以根据实际需求具体设定，例如可以为小于2.5。
[0125]
图3示意性示出了根据本公开实施例的生成训练样本数据集的流程图。
[0126]
如图3所示，上述对象分类模型的训练方法还可以包括操作s310～s340。
[0127]
在操作s310，获取多个初始训练图像.
[0128]
在操作s320，在初始训练图像的像素尺寸不满足预设条件的情况下，调整待识别图像的像素尺寸，得到训练图像。
[0129]
在操作s330，根据对训练图像进行标注，得到标签数据。
[0130]
在操作s340，根据多个训练图像和与训练图像对应的标签数据生成训练样本数据集。
[0131]
根据本公开的实施例，预设条件可以包括尺寸为1024
×
768。
[0132]
根据本公开的实施例，在初始训练图像的像素尺寸不满足预设条件的情况下，需要对该初始训练图像的像素进行调整，例如可以利用像素操作算法对初始训练图像的像素进行调整，像素操作算法可以包括但不限于resize算法。
[0133]
根据本公开的实施例，在进行标注操作时，可以采用如下操作步骤。
[0134]
例如，在人工使用鼠标添加鸟类的姿势标注的情况下，可以在软件中添加鼠标监听事件。在鼠标点击训练图像中某一位置时，触发鼠标监听事件，保存该位置对应的位置坐标，并以该位置坐标点为中心，调用绘图组件绘制标注圆点。根据整幅训练图像中鸟类的姿势确定鸟类的姿势，并对鸟类的姿势进行姿势编号。或者在对鸟类的种类进行标注的情况下，可以在训练图像中对鸟类的种类进行标注，并可以对其进行种类编号。
[0135]
根据本公开的实施例，在标注的过程中，需要结合鸟类的姿势和种类的先验知识。先验知识可以表征已经清楚的能够帮助进行识别的信息。
[0136]
根据本公开的实施例，在完成该训练图像的标注后，根据多个位置坐标以及对应于每个位置坐标的鸟类的姿势和/或姿势编号生成用于预测鸟类的姿势的标签数据。或者可以根据多个位置坐标以及对应于每个位置坐标的鸟类的种类和/或种类编号生成用于预测鸟类的种类的标签数据。或者还可以根据多个位置坐标以及对应于每个位置坐标的鸟类的种类和/或种类编号，以及鸟类的姿势和/或姿势编号生成用于预测鸟类的种类和姿势的标签数据。
[0137]
图4示意性示出了根据本公开实施例的对象分类模型的训练方法的方法示意图。
[0138]
如图4所示，在对该深度神经网络模型进行训练的情况下，将训练样本数据集中的训练图像依次输入至深度神经网络模型中，可以通过第一特征提取网络对训练图像的鸟类的特征进行提取，从而输出第一特征图。
[0139]
根据本公开的实施例，将该第一特征图输入至第一对象种类分类网络、第一对象姿势分类网络或密度图生成网络，以获得包含预测种类分类信息、预测姿势分类信息或预测密度图的识别结果。
[0140]
根据本公开的实施例，根据识别结果和标签数据计算损失函数，得到损失结果，在损失结果不满足预设阈值条件的情况下，迭代地调整所述深度神经网络模型的网络参数，最终可生成经训练的对象分类模型。
[0141]
图5示意性示出了根据本公开实施例的对象分类预测方法的流程图。
[0142]
如图5所示，对象分类预测方法可以包括操作s510～s520。
[0143]
在操作s510，获取待识别图像，待识别图像表征对象的多种姿势，对象包括动物。
[0144]
在操作s520，将待识别图像输入对象分类模型，得到识别结果，识别结果包括目标姿势分类信息。
[0145]
其中，对象分类模型是利用如上的方法训练得到的。
[0146]
根据本公开的实施例，在获取到待识别图像的情况下，需对其的尺寸进行判断，在尺寸满足预设条件的情况下将其输入至对象分类模型进行识别，该预设条件可以与对象分类模型的训练方法中关于训练图像的尺寸的预设条件相同不同。
[0147]
根据本公开的实施例，在待识别图像的不满足预设条件的情况下同样可以利用像素操作算法对该待识别图像的尺寸进行调整。
[0148]
根据本公开的实施例，通过利用包括动物等对象的姿势的训练图像对深度神经网络进行训练，可以得到能够对对象的姿势进行预测的对象分类模型，从而可以利用分类对象模型对动物等对象的姿势进行预测，因此至少部分地克服了鸟类等动物的种群姿势的统计依赖于人工成本较高的人工统计方法的技术问题，进而达到了降低动物等对象的姿势的统计成本的技术效果。
[0149]
根据本公开的实施例，对象的种类包括多种，动物包括鸟；识别结果还包括目标种类分类信息和/或目标密度图，目标密度图表征待识别图像中不同位置的对象的聚集程度。
[0150]
根据本公开的实施例，对象分类预测方法还可以包括如下操作。
[0151]
根据目标密度图，生成对象的目标数量信息。
[0152]
根据本公开的实施例，在对鸟类的数量进行统计的情况下，可以对对象分类模型预测的目标密度图进行积分操作，以得到该待识别图像上的鸟类的目标数量信息。
[0153]
根据本公开的实施例，由于第一对象姿势分类网络和第一对象种类分类网络设置为即插即用模块，因此可以在进行鸟类的数量统计的情况下，不使用上述两个分类网络，以减少对象分类模型的计算量，提高计算效率。
[0154]
图6示意性示出了根据本公开的实施例的对象分类模型的训练装置的框图。
[0155]
如图6所示，该对象分类模型的训练装置600可以包括第一获取模块610、输出模块620、计算模块630和迭代训练模块640。
[0156]
第一获取模块610用于获取训练样本数据集，训练样本数据集中的训练样本包括训练图像以及训练图像的标签数据，训练图像表征对象的多种姿势，对象包括动物，标签数据包括针对姿势的真实姿势分类信息。
[0157]
输出模块620用于将训练图像输入深度神经网络模型，输出识别结果，识别结果包括预测姿势分类信息。
[0158]
计算模块630用于根据识别结果和标签数据计算损失函数，得到损失结果。
[0159]
迭代训练模块640用于根据损失结果迭代地调整深度神经网络模型的网络参数，生成经训练的对象分类模型。
[0160]
根据本公开的实施例，通过利用包括动物等对象的姿势的训练图像对深度神经网络进行训练，可以得到能够对对象的姿势进行预测的对象分类模型，从而可以利用分类对象模型对动物等对象的姿势进行预测，因此至少部分地克服了鸟类等动物的种群姿势的统计依赖于人工成本较高的人工统计方法的技术问题，进而达到了降低动物等对象的姿势的统计成本的技术效果。
[0161]
根据本公开的实施例，对象的种类包括多种。标签数据还包括根据对象的种类生
成的真实种类分类信息。识别结果还包括预测种类分类信息。
[0162]
根据本公开的实施例，深度神经网络模型可以包括第一特征提取网络、第一对象种类分类网络和第一对象姿势分类网络。
[0163]
根据本公开的实施例，第一对象种类分类网络和第一对象姿势分类网络均可以包括依次级联的第一卷积层、最大值池化层、第二卷积层、平均值池化层和全连接层。
[0164]
根据本公开的实施例，输出模块620可以包括第一输入单元、第二输入单元、第三输入单元、第四输入单元、第五输入单元和第六输入单元。
[0165]
第一输入单元用于将训练图像输入第一特征提取网络，输出第一特征图。
[0166]
第二输入单元用于将第一特征图输入第一卷积层，输出第二特征图。
[0167]
第三输入单元用于将第二特征图输入最大值池化层，输出压缩后的第二特征图。
[0168]
第四输入单元用于将压缩后的第二特征图输入第二卷积层，输出第三特征图。
[0169]
第五输入单元用于将第三特征图输入平均值池化层，输出压缩后的第三特征图。
[0170]
第六输入单元用于将压缩后的第三特征图输入全连接层，输出预测姿势分类信息或预测种类分类信息。
[0171]
根据本公开的实施例，标签数据还可以包括根据对象生成的真实密度图，识别结果还可以包括预测密度图，真实密度图表征对象在训练图像中的多个位置处的真实聚集程度，预测密度图表征对象在训练图像中多个位置处的预测聚集程度。
[0172]
根据本公开的实施例，深度神经网络模型可以包括第二特征提取网络、空洞卷积层、密度图生成网络和第二对象姿势分类网络。
[0173]
根据本公开的实施例，输出模块620可以包括第七输入单元、第八输入单元、第九输入单元和第十输入单元。
[0174]
第七输入单元用于将训练图像输入第二特征提取网络，输出第四特征图。
[0175]
第八输入单元用于将第四特征图输入第二对象姿势分类网络，输出预测姿势分类信息。
[0176]
第九输入单元用于将第四特征图输入空洞卷积层，输出第五特征图。
[0177]
第十输入单元用于将第五特征图输入密度图生成网络，输出预测密度图。
[0178]
根据本公开的实施例，对象分类模型的训练装置600还可以包括第三获取模块、调整模块、标注模块和第一生成模块。
[0179]
第三获取模块用于获取多个初始训练图像。
[0180]
调整模块用于在初始训练图像的像素尺寸不满足预设条件的情况下，调整待识别图像的像素尺寸，得到训练图像。
[0181]
标注模块用于根据对训练图像进行标注，得到标签数据。
[0182]
第一生成模块用于根据多个训练图像和与训练图像对应的标签数据生成训练样本数据集。
[0183]
图7示意性示出了根据本公开的实施例的对象分类预测装置的框图。
[0184]
如图7所示，该对象分类预测装置可以包括第二获取模块710和预测模块720。
[0185]
第二获取模块710用于获取待识别图像，待识别图像表征对象的多种姿势，对象包括动物。
[0186]
预测模块720用于将待识别图像输入对象分类模型，得到识别结果，识别结果包括
目标姿势分类信息。
[0187]
其中，对象分类模型是利用如上的方法训练得到的。
[0188]
根据本公开的实施例，通过利用包括动物等对象的姿势的训练图像对深度神经网络进行训练，可以得到能够对对象的姿势进行预测的对象分类模型，从而可以利用分类对象模型对动物等对象的姿势进行预测，因此至少部分地克服了鸟类等动物的种群姿势的统计依赖于人工成本较高的人工统计方法的技术问题，进而达到了降低动物等对象的姿势的统计成本的技术效果。
[0189]
根据本公开的实施例，对象的种类可以包括多种，动物可以包括鸟；识别结果还可以包括目标种类分类信息和/或目标密度图，目标密度图表征待识别图像中不同位置的对象的聚集程度。
[0190]
根据本公开的实施例，对象分类预测装置700还可以包括第二生成模块。
[0191]
第二生成模块用于根据目标密度图，生成对象的目标数量信息。
[0192]
根据本公开的实施例的模块、单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(field programmable gate array，fpga)、可编程逻辑阵列(programmable logic arrays，pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(application specific integrated circuit，asic)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
[0193]
例如，第一获取模块610、输出模块620、计算模块630和迭代训练模块640，或第二获取模块710和预测模块720中的任意多个可以合并在一个模块/单元中实现，或者其中的任意一个模块/单元可以被拆分成多个模块/单元。或者，这些模块/单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合，并在一个模块/单元中实现。根据本公开的实施例，第一获取模块610、输出模块620、计算模块630和迭代训练模块640，或第二获取模块710和预测模块720中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一获取模块610、输出模块620、计算模块630和迭代训练模块640，或第二获取模块710和预测模块720中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
[0194]
需要说明的是，本公开的实施例中对象分类模型的训练装置部分与本公开的实施例中对象分类模型的训练方法部分是相对应的，对象分类模型的训练装置部分的描述具体参考对象分类模型的训练方法部分，在此不再赘述。本公开的实施例中对象分类预测装置部分与本公开的实施例中对象分类预测方法部分是相对应的，对象分类预测装置部分的描述具体参考对象分类预测方法部分，在此不再赘述。
[0195]
图8示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。图8示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0196]
如图8所示，根据本公开实施例的电子设备800包括处理器801，其可以根据存储在只读存储器(read
‑
only memory，rom)802中的程序或者从存储部分808加载到随机访问存储器(random access memory，ram)803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器(例如cpu)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(asic))，等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
[0197]
在ram 803中，存储有电子设备800操作所需的各种程序和数据。处理器801、rom 802以及ram 803通过总线804彼此相连。处理器801通过执行rom 802和/或ram 803中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除rom 802和ram 803以外的一个或多个存储器中。处理器801也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
[0198]
根据本公开的实施例，电子设备800还可以包括输入/输出(i/o)接口805，输入/输出(i/o)接口805也连接至总线804。系统800还可以包括连接至i/o接口805的以下部件中的一项或多项：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(crt)、液晶显示器(liquid crystal display，lcd)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至i/o接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
[0199]
根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
[0200]
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
[0201]
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom(erasable programmable read only memory，eprom)或闪存)、便携式紧凑磁盘只读存储器(computer disc read
‑
only memory，cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储
介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0202]
例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的rom 802和/或ram 803和/或rom 802和ram 803以外的一个或多个存储器。
[0203]
本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行本公开实施例所提供的方法的程序代码，当计算机程序产品在电子设备上运行时，该程序代码用于使电子设备实现本公开实施例所提供的对象分类模型的训练方法或对象分类预测方法。
[0204]
在该计算机程序被处理器801执行时，执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
[0205]
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分809被下载和安装，和/或从可拆卸介质811被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
[0206]
根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如java，c ，python，“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0207]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
[0208]
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱
离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。