[发明专利]动物种类的分类方法、装置、计算机设备和存储介质

权利要求书

1.一种动物种类的分类方法，其特征在于，包括以下步骤：

获取待分类的动物图像，并通过多个不同的网络模型分别提取所述动物图像的特征向量；

将所述多个不同的网络模型分别提取的所述特征向量拼接为一个合并向量；

将所述合并向量输入至训练完成的卷积神经网络中以输出所述待分类的动物图像的分类结果。

2.根据权利要求1所述的动物种类的分类方法，其特征在于，所述网络模型包括DenseNet，ResNet和Inception网络模型。

3.根据权利要求1所述的动物种类的分类方法，其特征在于，所述获取待分类的动物图像，并通过多个不同的网络模型分别提取所述动物图像的特征向量的步骤之前，包括：

将训练集中每一张样本图片分别输入至多个不同的所述网络模型中分别训练各所述网络模型；

通过训练完成的多个所述网络模型分别提取所述训练集中每一张样本图片的特征向量；

将所述训练集中每一张样本图片对应的多个特征向量拼接为一个训练合并向量；

将所述训练合并向量输入至卷积神经网络中以训练所述卷积神经网络。

4.根据权利要求3所述的动物种类的分类方法，其特征在于，所述将所述训练合并向量输入至卷积神经网络中以训练所述卷积神经网络的步骤之后，包括：

将测试集中每一张样本图片输入至多个训练完成的所述网络模型中以分别提取出测试集中每一张样本图片的特征向量；

将所述测试集中每一张样本图片对应的多个特征向量拼接为一个测试合并向量；

将所述测试合并向量输入至训练完成的所述卷积神经网络中以输出所述测试集的分类结果，并验证其是否与测试集的已知分类一致。

5.根据权利要求4所述的动物种类的分类方法，其特征在于，所述训练集与所述测试集的样本数据量比例为8:2。

6.根据权利要求1-5中任一项所述的动物种类的分类方法，其特征在于，所述将所述合并向量输入至训练完成的卷积神经网络中以输出所述待分类的动物图像的分类结果的步骤之后，包括：

根据所述待分类的动物图像的分类结果，确定所述待分类的动物图像中动物的种类名称；

根据所述动物的种类名称，在动物数据库中查询出所述动物的资料信息。

7.根据权利要求1-5中任一项所述的动物种类的分类方法，其特征在于，所述将所述合并向量输入至训练完成的卷积神经网络中以输出所述待分类的动物图像的分类结果的步骤之后，包括：

根据所述待分类的动物图像的分类结果，确定所述待分类的动物图像中动物的种类名称；

根据所述动物的种类名称，在保单数据库中查询出与所述动物的种类名称相匹配的保单。

8.一种动物种类的分类装置，其特征在于，包括：

第一提取单元，用于获取待分类的动物图像，并通过多个不同的网络模型分别提取所述动物图像的特征向量；

第一拼接单元，用于将所述多个不同的网络模型分别提取的所述特征向量拼接为一个合并向量；

第一分类单元，用于将所述合并向量输入至训练完成的卷积神经网络中以输出所述待分类的动物图像的分类结果。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。