[发明专利]一种物体识别方法、装置、电子设备和存储介质在审
| 申请号： | 201910641297.2 | 申请日： | 2019-07-16 |
| 公开（公告）号： | CN110363146A | 公开（公告）日： | 2019-10-22 |
| 发明（设计）人： | 徐青松;李青 | 申请（专利权）人： | 杭州睿琪软件有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 上海思捷知识产权代理有限公司 31295 | 代理人： | 王宏婧 |
| 地址： | 310053 浙江省杭州市滨江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 物体领域 物体识别 神经网络模型 存储介质 电子设备 图片 神经网络 准确率 | ||
1.一种物体识别方法，其特征在于，包括：
获取待识别物体的图片；
基于预先训练的第一识别模型对所述待识别物体的图片进行识别处理，识别出所述待识别物体对应的物体领域，所述第一识别模型为神经网络模型；以及
根据所述待识别物体对应的物体领域，选取对应的预先训练的第二识别模型对所述待识别物体的图片进行识别处理，识别出所述待识别物体对应的物体种类，所述第二识别模型为神经网络模型。
2.根据权利要求1所述的物体识别方法，其特征在于，所述方法还包括：
根据所述待识别物体对应的物体种类，选取对应的预先训练的第三识别模型对所述待识别物体的图片进行识别处理，识别出所述待识别物体对应的物体品种，所述第三识别模型为神经网络模型。
3.根据权利要求1所述的物体识别方法，其特征在于，在基于预先训练的第一识别模型对所述待识别物体的图片进行识别处理之前，所述方法还包括：
基于预先训练的区域识别模型对所述待识别物体的图片进行识别处理，识别出物体区域，所述区域识别模型为神经网络模型。
4.根据权利要求1至3中任一项所述的物体识别方法，其特征在于，所述神经网络模型为卷积神经网络模型或残差网络模型。
5.根据权利要求3所述的物体识别方法，其特征在于，所述区域识别模型为Mask-RCNN模型。
6.根据权利要求1所述的物体识别方法，其特征在于，所述物体领域包括植物和多个动物纲类。
7.根据权利要求1所述的物体识别方法，其特征在于，所述物体种类为所述待识别物体的具体通用名称。
8.根据权利要求2所述的物体识别方法，其特征在于，所述物体品种为所述待识别物体的最下级科普分类名称。
9.根据权利要求1所述的物体识别方法，其特征在于，所述方法还包括：
获取所述待识别物体的图片在拍摄时的位置信息；以及
根据所述位置信息选取对应的第一识别模型和第二识别模型。
10.根据权利要求2所述的物体识别方法，其特征在于，所述方法还包括：
获取所述待识别物体的图片在拍摄时的位置信息；以及
根据所述位置信息选取对应的第一识别模型、第二识别模型和第三识别模型。
11.根据权利要求10所述的物体识别方法，其特征在于，所述根据所述位置信息选取对应的第一识别模型、第二识别模型和第三识别模型，具体为：
根据数据库中预存的位置信息与识别模型的映射关系，选取与所述位置信息相对应的第一识别模型、第二识别模型和第三识别模型。
12.根据权利要求1所述的物体识别方法，其特征在于，在基于预先训练的第一识别模型对所述待识别物体的图片进行识别处理之前，所述物体识别方法还包括：
对所述待识别物体的图片进行预处理，所述预处理包括旋转、裁剪或/和光照补偿。
13.一种物体识别装置，其特征在于，包括：
第一获取模块，用于获取待识别物体的图片；
第一识别模块，用于基于预先训练的第一识别模型对所述待识别物体的图片进行识别处理，识别出所述待识别物体对应的物体领域，所述第一识别模型为神经网络模型；以及
第二识别模块，用于根据所述物体领域，选取对应的预先训练的第二识别模型对所述待识别物体的图片进行识别处理，识别出所述待识别物体对应的物体种类，所述第二识别模型为神经网络模型。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州睿琪软件有限公司，未经杭州睿琪软件有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910641297.2/1.html，转载请声明来源钻瓜专利网。
- 上一篇：基于稀疏FPN的3D物体点云数据识别方法
- 下一篇：一种产品表面字符识别方法
