[发明专利]动物体信息提取模型的训练方法、装置、设备及存储介质

权利要求书

1.一种动物体信息提取模型的训练方法，其特征在于，所述方法包括：

获取训练样本集，所述训练样本集包括多个动物体的样本图像，所述样本图像标注有动物体的轮廓标签和多个关键点标签；

根据所述样本图像，确定待训练模型的分割损失值和关键点损失值；

根据所述分割损失值和所述关键点损失值，确定总损失值；

根据所述总损失值更新所述待训练模型的模型参数，直至满足预设的停止训练条件，将训练好的所述待训练模型作为动物体信息提取模型。

2.根据权利要求1所述的动物体信息提取模型的训练方法，其特征在于，所述方法还包括：

获取待检测图像，并将所述待检测图像输入至所述动物体信息提取模型；

获取所述动物体信息提取模型根据所述待检测图像输出的目标前景的分割图和目标关键点，所述目标前景是指所述待检测图像中承载的动物体的像素点，所述目标关键点包括所述待检测图像中承载的动物体的嘴巴、耳朵、尾巴、前腿、后腿中的至少一种。

3.根据权利要求2所述的动物体信息提取模型的训练方法，其特征在于，所述方法还包括：

根据所述待检测图像确定目标动物体的支撑面，并根据所述目标关键点确定所述目标动物体的目标体长，所述目标动物体是指所述待检测图像中承载的动物体；

根据所述支撑面和所述分割图，确定所述目标动物体的投影面积；

根据所述投影面积和所述目标体长，确定所述目标动物体的体重。

4.根据权利要求3所述的动物体信息提取模型的训练方法，其特征在于，所述根据所述投影面积和所述目标体长，确定所述目标动物体的体重，包括：

将所述投影面积和所述目标体长整合为目标一维数据；

将所述目标一维数据输入预设的体重测量模型，以使得所述体重测量模型根据所述目标一维数据回归出所述目标动物体的体重。

5.根据权利要求4所述的动物体信息提取模型的训练方法，其特征在于，所述体重测量模型通过以下步骤得到：

获取多个样本数据，所述样本数据包括样本动物体的体长、所述样本动物体在支撑面的投影面积以及所述样本动物体的实际体重；

将每个所述样本数据整合为一维向量数据；

根据所述一维向量数据，对初始模型进行训练，直至符合预设的停止条件，将训练好的所述初始模型作为体重测量模型。

6.根据权利要求5所述的动物体信息提取模型的训练方法，其特征在于，所述根据所述一维向量数据，对初始模型进行训练，包括：

将所述一维向量数据输入初始模型，以使得所述初始模型根据所述一维向量数据回归出所述样本动物体的预测体重；

根据所述预测体重和所述实际体重，确定训练损失值；

根据所述训练损失值更新所述初始模型的模型参数。

7.根据权利要求1-6任一项所述的动物体信息提取模型的训练方法，其特征在于，所述根据所述样本图像，确定待训练模型的关键点损失值，包括：

获取第一特征提取结果和第二特征提取结果，所述第一特征提取结果是指所述样本图像的区域建议网络RPN结果，所述第二特征提取结果是指所述样本图像对应的标签图像的RPN结果；

计算所述第一特征提取结果与所述第二特征提取结果之间的损失，以作为所述待训练模型的关键点损失值。

8.一种动物体信息提取模型的训练装置，其特征在于，所述动物体信息提取模型的训练装置包括：

获取单元，用于获取训练样本集，所述训练样本集包括多个动物体的样本图像，所述样本图像标注有动物体的轮廓标签和多个关键点标签；

训练单元，用于根据所述获取单元获取的所述样本图像，确定待训练模型的分割损失值和关键点损失值；根据所述分割损失值和所述关键点损失值，确定总损失值；根据所述总损失值更新所述待训练模型的模型参数，直至满足预设的停止训练条件，将训练好的所述待训练模型作为动物体信息提取模型。