[发明专利]基于人工智能的宠物分类方法、装置、设备及存储介质

权利要求书

1.一种基于人工智能的宠物分类方法，其特征在于，包括：

获取宠物图像并调用目标宠物分类模型，所述目标宠物分类模型包括特征提取网络、面部框预测网络、第一宠物分类网络和第二宠物分类网络；

将所述宠物图像输入所述特征提取网络进行特征提取，得到多个分辨率不同的目标特征图；

将所述目标特征图输入所述面部框预测网络进行面部框预测，得到所述宠物图像的面部框的目标位置点组；

将所述目标特征图输入所述第一宠物分类网络进行分类，得到所述宠物图像中的宠物的类型为预设宠物类型的第一输出概率；

从所述宠物图像中获取所述目标位置点组对应的宠物脸图像，并将所述宠物脸图像输入所述第二宠物分类网络进行分类，得到所述宠物的类型为所述预设宠物类型的第二输出概率；

根据所述第一输出概率和所述第二输出概率，从各所述预设宠物类型中确定所述宠物图像中的宠物的目标类型。

2.根据权利要求1所述的宠物分类方法，其特征在于，所述将所述目标特征图输入所述面部框预测网络进行面部框预测，得到所述宠物图像的面部框的目标位置点组，包括：

将所述目标特征图输入所述面部框预测网络进行面部框预测，得到所述宠物图像的多个位置点组和每个位置点组的可信指数；

将多个所述位置点组中的所述可信指数大于或等于预设可信指数阈值的位置点组确定为候选位置点组；

根据每个所述候选位置点组的所述可信指数，确定平均可信指数，并确定所述平均可信指数与每个候选位置点组的所述可信指数之间的可信指数差值；

将所述可信指数差值最小所对应的候选位置点组确定为所述宠物图像的面部框的目标位置点组。

3.根据权利要求2所述的宠物分类方法，其特征在于，所述方法还包括：

获取各所述候选位置点组的坐标信息，并根据各所述候选位置点组的坐标信息，确定平均坐标信息；

将所述平均坐标信息所对应的位置点组确定为所述宠物图像的面部框的目标位置点组。

4.根据权利要求1所述的宠物分类方法，其特征在于，所述根据所述第一输出概率和所述第二输出概率，从各预设宠物类型中确定所述宠物图像中的宠物的目标类型，包括：

从各预设宠物类型中选择所述第一输出概率最大的预设宠物类型作为第一宠物类型；

从各预设宠物类型中选择所述第二输出概率最大的预设宠物类型作为第二宠物类型；

若所述第一宠物类型与所述第二宠物类型相同，则将所述第一宠物类型确定为所述宠物图像中的宠物的目标类型。

5.根据权利要求1-4中任一项所述的宠物分类方法，其特征在于，所述获取宠物图像并调用目标宠物分类模型之前，还包括：

从样本数据集中获取样本数据，其中，所述样本数据包括宠物样本图像、面部框的第一位置点组；

将所述宠物样本图像输入待训练的宠物分类模型，得到面部框的第二位置点组、所述宠物样本图像中的宠物的类型为各预设宠物类型的概率；

根据所述第一位置点组、第二位置点组、所述宠物样本图像中的宠物的类型为各预设宠物类型的概率，确定模型损失值；

根据所述模型损失值确定所述宠物分类模型是否收敛；

若所述宠物分类模型未收敛，则更新所述宠物分类模型的参数；

返回执行所述从样本数据集中获取样本数据的步骤，直至所述宠物分类模型收敛，得到目标宠物分类模型。

6.根据权利要求5所述的宠物分类方法，其特征在于，所述根据所述第一位置点组、第二位置点组、所述宠物样本图像中的宠物的类型为各预设宠物类型的概率，确定模型损失值，包括：

判断所述宠物样本图像中所述第二位置点组所对应的面部框内是否包含宠物脸，并根据判断结果确定第一损失值；

根据所述第一位置点组和所述第二位置点组，确定第二损失值；

根据所述宠物样本图像中的宠物的类型为各预设宠物类型的概率，确定第三损失值和第四损失值；

对所述第一损失值、所述第二损失值、所述第三损失值和所述第四损失值进行加权求和，得到模型损失值。