[发明专利]牲畜特征向量的提取方法、装置、计算机设备和存储介质

说明书

本申请揭示了一种牲畜特征向量的提取方法、装置、计算机设备和存储介质，其中牲畜特征向量的提取方法包括：获取基于指定图片样本、以及所述图片样本对应的特征向量训练完成的第一CNN模型；冻结所述第一CNN模型的指定层的权重参数；将待识别的牲畜图片输入到所述第一CNN模型中进行处理，得出所述待识别的牲畜图片对应的特征向量。本申请基于迁移学习的理念，利用已经训练过的第一CNN模型，结合fine‑tune方法，在识别牲畜过程中，只需要对第一CNN模型的最后几层进行处理，其它层的权重参数可以冻结，即，识别牲畜图片的过程中，第一CNN模型被冻结的层不需要参与处理的过程，进而大大地提高了牲畜图片识别的速度。

技术领域

本申请涉及到牲畜识别领域，特别是涉及到一种牲畜特征向量的提取方法、装置、计算机设备和存储介质。

背景技术

在牲畜保险业务中，养殖户往往利用没有成熟的识别牲畜的技术，而使用未投保的牲畜作为已投保的牲畜进行骗保，保险公司的保险风险较大。而区别报险牲畜是否为投保牲畜，可以通过图像进行区分，因此，在投保时拍摄一组照片，报险时拍摄一组照片，然后对两组照片进行比对，以判定当前的报险牲畜是否为投保的牲畜。

由于养殖户在投保过程中要对大批量的牲畜进行拍照识别，以得到对应投保牲畜的特征向量，方便在报险时对病死牲畜的识别，判断病死牲畜是否为投保牲畜。因为需要大批量地识别牲畜，所以需要一种可以提高识别牲畜速度的方法。

发明内容

本申请的主要目的为提供一种快速识别牲畜的牲畜特征向量的提取方法、装置、计算机设备和存储介质。

为了实现本申请提出的目的，本申请提出一种牲畜特征向量的提取方法，包括：

获取基于指定图片样本、以及所述图片样本对应的特征向量训练完成的第一CNN模型；

冻结所述第一CNN模型中指定层的权重参数；

将待识别的牲畜图片输入到所述第一CNN模型中进行处理，得出所述待识别的牲畜图片对应的特征向量。

进一步对，所述第一CNN模型包括VGG19模型，所述冻结所述第一CNN模型中指定层的权重参数的步骤，包括：

冻结所述第一CNN模型中前十八层的权重参数。

进一步地，所述将待识别的牲畜图片输入到所述第一CNN模型中进行处理，得出所述待识别的牲畜图片对应的特征向量的步骤之前，包括：

获取所述第一CNN模型最后一层的节点数量，根据所述节点数量生成最大输入所述待识别的牲畜图片数量的提醒信息。

进一步地，所述将待识别的牲畜图片输入到所述第一CNN模型中进行处理，得出所述待识别的牲畜图片对应的特征向量的步骤之后，包括：

对所述待识别的牲畜图片对应的特征向量进行softmax归一化处理。

进一步地，所述将待识别的牲畜图片输入到所述第一CNN模型中进行处理，得出所述待识别的牲畜图片对应的特征向量的步骤之前，包括：

将所述第一CNN模型中未冻结的各层神经网络的权重参数重置为0。

进一步地，所述获取基于指定图片样本、以及所述图片样本对应的特征向量训练完成的第一CNN模型的步骤之前，包括：

获取指定区域养殖户的名单，并根据名单分配待识别单一牲畜种类的脸部图片采集任务给各养殖户；

收集养殖户反馈的图片，并存储到指定的存储空间内形成所述图片样本；

将所述图片样本分成训练集和测试集，基于指定的第二CNN模型进行训练，得到训练完成的所述第一CNN模型。