【技术实现步骤摘要】
本专利技术涉及宠物识别领域，具体涉及一种宠物品种与颜色的识别方法、装置、云端设备及计算机装置。
技术介绍
1、目前在家庭摄像头、智能猫砂盆、智能宠物喂食/饮水机上，通常会带有摄像头来捕获图片并对在画面内的宠物身份进行分析、识别，为宠物主人提供足够的信息，来判断宠物的健康状态、活跃程度等等。
2、现有的宠物种类识别，如cn113673422a公开的一种宠物种类识别方法及识别系统，可根据宠物种类识别中的实际情况，通过合理增广方法，使得训练所使用的数据集更贴合使用场景时的拍摄方式(稍远距离拍摄全身，稍侧向近距离拍摄，正向近距离拍摄)，提升了识别准确率；同时针对宠物中混血较为常见的特点，在种类间进行关键部位图像替换的数据集扩增，避免了混血可能会导致局部部位的颜色、形状发生改变，进一步提升了识别准确率。
3、但在实际识别时，例如使用猫咪颜色、品种分类时，可能会存在预测标签冲突的情况，例如预测的猫类别为英短，但预测的花纹是虎斑纹，但在现实中并不存虎斑纹的英短，这样矛盾的预测结果在模型预测错误时可能会发生。因此，现有技术对宠物的品种及颜色预测的精准性不高。
技术实现思路
1、本专利技术的目的在于克服现有技术的缺点，提供一种宠物品种与颜色的识别方法、装置、云端设备及计算机装置，极大地提高了对宠物的品种及颜色预测的精准性。
2、本专利技术采取如下技术方案实现上述目的，第一方面，本专利技术提供一种宠物品种与颜色的识别方法，包括：
3、通过模型中两个分类头
4、建立颜色和品种的相关性标签矩阵；
5、根据该目标图片所属的颜色预测结果以及品种预测结果以及设定规则调整相关性标签矩阵；
6、将调整后的相关性标签矩阵一维化，再通过交叉熵损失函数对标签相关性的正确性进行损失计算；
7、根据计算结果，通过反向传播的方法，在训练时更新模型的权重，模型整体的损失为：l＝αlcolor+βltype+γlcor，α、β、γ分别表示每个损失在在整体损失中的占比。
8、进一步的是，通过模型中两个分类头对目标图片进行预测，获取该目标图片所属的颜色预测结果以及品种预测结果具体包括：
9、通过模型中两个分类头分别预测目标图片属于两个合集类别的类别概率，并分别取两个分类头预测的最大概率类别作为模型输出的预测结果，所述两个合集分别为颜色合集与品种合集。
10、进一步的是，该相关性标签矩阵中的关联性为：若某个品种+某个颜色不存在，则对应位置标签设置为0，若存在，则对应位置标签设置为1。
11、进一步的是，根据该目标图片所属的颜色预测结果以及品种预测结果以及设定规则调整相关性标签矩阵具体包括：
12、将相关性标签矩阵中每个位置的概率相加并整体进行归一化，形成一组标签关联的预测概率，预测概率计算方式如下：
13、
14、pi_color表示每个位置的颜色概率，pj_type表示每个位置的品种概率；
15、根据预测相关性最大的位置，调整关联性标签所表述的内容，具体包括：若预测相关性最大的位置为第一品种与第一颜色，根据相关性标签矩阵的关联性进行判断，若第一品种与第一颜色的宠物存在，则将关联性标签的其他位置设置为0，第一品种与第一颜色的宠物的标签设置为1；
16、若预测相关性最大的位置为第一品种与第二颜色，根据相关性标签矩阵的关联性进行判断，若第一品种与第二颜色的宠物不存在，则计算该关联标签的预测概率，并调整关联标签设置为1的位置的标签数值。
17、第二方面，本专利技术提供一种宠物品种与颜色的识别装置，所述装置包括：
18、分类模块，用于通过模型中两个分类头对目标图片进行预测，获取该目标图片所属的颜色预测结果以及品种预测结果；
19、矩阵模块，用于建立颜色和品种的相关性标签矩阵；
20、调整模块，用于根据该目标图片所属的颜色预测结果以及品种预测结果以及设定规则调整相关性标签矩阵；
21、损失计算模块，用于将调整后的相关性标签矩阵一维化，再通过交叉熵损失函数对标签相关性的正确性进行损失计算；
22、权重更新模块，用于根据计算结果，通过反向传播的方法，在训练时更新模型的权重，模型整体的损失为：
23、l＝αlcolor+βltype+γlcor，α、β、γ分别表示每个损失在在整体损失中的占比。
24、进一步的是，所述分类模块具体用于，通过模型中两个分类头分别预测目标图片属于两个合集类别的类别概率，并分别取两个分类头预测的最大概率类别作为模型输出的预测结果，所述两个合集分别为颜色合集与品种合集。
25、进一步的是，矩阵模块设置的关联性为：若某个品种+某个颜色不存在，则对应位置标签设置为0，若存在，则对应位置标签设置为1。
26、进一步的是，所述调整模块具体用于，将相关性标签矩阵中每个位置的概率相加并整体进行归一化，形成一组标签关联的预测概率，预测概率计算方式如下：
27、
28、pi_color表示每个位置的颜色概率，pj_type表示每个位置的品种概率；
29、根据预测相关性最大的位置，调整关联性标签所表述的内容，具体包括：若预测相关性最大的位置为第一品种与第一颜色，根据相关性标签矩阵的关联性进行判断，若第一品种与第一颜色的宠物存在，则将关联性标签的其他位置设置为0，第一品种与第一颜色的宠物的标签设置为1；
30、若预测相关性最大的位置为第一品种与第二颜色，根据相关性标签矩阵的关联性进行判断，若第一品种与第二颜色的宠物不存在，则计算该关联标签的预测概率，并调整关联标签设置为1的位置的标签数值。
31、第三方面，本专利技术提供一种云端设备，所述云端设备包括服务器，如上述所述的宠物品种与颜色的识别装置安装于所述服务器。
32、第四方面，本专利技术提供一种计算机装置，包括存储器，所述存储器存储有程序指令，所述程序指令运行时，执行如权利要求1-4任意一项所述的宠物品种与颜色的识别方法。
33、本专利技术的有益效果为：
34、本专利技术可以通过单一模型分别预测出猫咪的类别和颜色，减少多个模型带来的参数冗余。同时在这个过程中，通过我们内建的标签关联性矩阵，可以使模型在优化过程中关注到标签的关联性，使两个分类头在进行独立的类别预测时，减少预测出现矛盾的情况。通过标签相关性减少预测出现矛盾的情况，也进一步降低了两个分类头预测出错的概率，提升了模型预测的整体准确性。
本文档来自技高网...【技术保护点】
1.一种宠物品种与颜色的识别方法，其特征在于，包括：
2.根据权利要求1所述的宠物品种与颜色的识别方法，其特征在于，通过模型中两个分类头对目标图片进行预测，获取该目标图片所属的颜色预测结果以及品种预测结果具体包括：
3.根据权利要求1所述的宠物品种与颜色的识别方法，其特征在于，该相关性标签矩阵中的关联性为：若某个品种+某个颜色不存在，则对应位置标签设置为0，若存在，则对应位置标签设置为1。
4.根据权利要求1所述的宠物品种与颜色的识别方法，其特征在于，根据该目标图片所属的颜色预测结果以及品种预测结果以及设定规则调整相关性标签矩阵具体包括：
5.一种宠物品种与颜色的识别装置，用于实现如权利要求1-4任意一项所述的宠物品种与颜色的识别方法，其特征在于，所述装置包括：
6.根据权利要求5所述的宠物品种与颜色的识别装置，其特征在于，所述分类模块具体用于，通过模型中两个分类头分别预测目标图片属于两个合集类别的类别概率，并分别取两个分类头预测的最大概率类别作为模型输出的预测结果，所述两个合集分别为颜色合集与品种合集。
7
8.根据权利要求5所述的宠物品种与颜色的识别装置，其特征在于，所述调整模块具体用于，将相关性标签矩阵中每个位置的概率相加并整体进行归一化，形成一组标签关联的预测概率，预测概率计算方式如下：
9.一种云端设备，所述云端设备包括服务器，其特征在于，如权利要求5-8任意一项所述的宠物品种与颜色的识别装置安装于所述服务器。
10.一种计算机装置，包括存储器，所述存储器存储有程序指令，其特征在于，所述程序指令运行时，执行如权利要求1-4任意一项所述的宠物品种与颜色的识别方法。
...【技术特征摘要】
1.一种宠物品种与颜色的识别方法，其特征在于，包括：
2.根据权利要求1所述的宠物品种与颜色的识别方法，其特征在于，通过模型中两个分类头对目标图片进行预测，获取该目标图片所属的颜色预测结果以及品种预测结果具体包括：
3.根据权利要求1所述的宠物品种与颜色的识别方法，其特征在于，该相关性标签矩阵中的关联性为：若某个品种+某个颜色不存在，则对应位置标签设置为0，若存在，则对应位置标签设置为1。
4.根据权利要求1所述的宠物品种与颜色的识别方法，其特征在于，根据该目标图片所属的颜色预测结果以及品种预测结果以及设定规则调整相关性标签矩阵具体包括：
5.一种宠物品种与颜色的识别装置，用于实现如权利要求1-4任意一项所述的宠物品种与颜色的识别方法，其特征在于，所述装置包括：
6.根据权利要求5所述的宠物品种与颜色的识别装置，其特征在于，所述分类模块具体用于，通过模型中两个分类头...
【专利技术属性】
技术研发人员：申啸尘，周有喜，邹春友，
申请(专利权)人：深圳市芯联信息技术有限公司，
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。