【技術實現步驟摘要】
本專利技術涉及計算機視覺，尤其涉及一種豬只姿態識別方法、裝置、設備、存儲介質和程序產品。
技術介紹
1、隨著科技的迅速發展，豬只養殖產業越來越智能化和現代化。其中，豬只姿態識別結果在豬只行為分析、健康監測、疾病檢測和養殖規?；芾淼确矫?，提供了重要的參考依據，從而在一定程度上影響養殖效率和經濟效益。因此，豬只姿態識別是目前亟需解決的技術需求。
2、目前，通過攝像頭采集豬只圖像，然后基于豬只圖像人工判斷豬只姿態。然而，人工判斷需要耗費較多的人力，導致豬只姿態識別的成本較高。
技術實現思路
1、本專利技術提供一種豬只姿態識別方法、裝置、設備、存儲介質和程序產品，用以解決現有技術中豬只姿態識別成本高的缺陷，實現低成本的豬只姿態識別。
2、本專利技術提供一種豬只姿態識別方法，包括：
3、將豬只圖像輸入至姿態識別模型中的第一特征提取層，得到所述第一特征提取層輸出的初始特征圖；所述第一特征提取層用于提取預設初始尺度的特征圖；
4、將所述初始特征圖輸入至所述姿態識別模型中的第二特征提取層，得到所述第二特征提取層輸出的至少一個層級特征圖；所述至少一個層級特征圖的尺度均小于所述預設初始尺度，所述至少一個層級特征圖的尺度均不相同；
5、將所述初始特征圖和所述至少一個層級特征圖輸入至所述姿態識別模型中的特征融合層，得到所述特征融合層輸出的融合特征圖；所述特征融合層用于將輸入的不同尺度的特征圖上采樣為尺度為所述預設初始尺度的上采樣特征圖，并將各所
6、將所述融合特征圖輸入至所述姿態識別模型中的姿態識別層，得到所述姿態識別層輸出的豬只姿態識別結果；
7、其中，所述姿態識別模型是基于樣本豬只圖像和所述樣本豬只圖像對應的豬只姿態標簽訓練得到的。
8、根據本專利技術提供的一種豬只姿態識別方法，任一所述層級特征圖是基于所述第二特征提取層中的層級特征提取層提取得到，所述層級特征圖是基于如下方式提取得到：
9、將輸入至所述層級特征提取層的輸入特征圖輸入至所述層級特征提取層中的下采樣層，得到所述下采樣層輸出的下采樣特征圖；所述下采樣層用于將所述輸入特征圖進行分割，并將分割后的特征圖在通道維度上進行拼接，以使所述輸入特征圖的尺度縮小，并使所述輸入特征圖的通道數增大；
10、將所述下采樣特征圖輸入至所述層級特征提取層中的第三特征提取層，得到所述第三特征提取層輸出的所述層級特征圖；所述層級特征圖的尺度與所述下采樣特征圖的尺度相同。
11、根據本專利技術提供的一種豬只姿態識別方法，所述初始特征圖的通道數為預設初始通道數；所述將所述初始特征圖和所述至少一個層級特征圖輸入至所述姿態識別模型中的特征融合層，得到所述特征融合層輸出的融合特征圖，包括：
12、將所述初始特征圖和所述至少一個層級特征圖輸入至所述特征融合層中的通道數統一層，得到所述通道數統一層輸出的通道數統一后的初始特征圖和通道數統一后的至少一個層級特征圖；所述通道數統一層用于將輸入的不同通道數的特征圖轉換為通道數為所述預設初始通道數的特征圖；
13、將通道數統一后的初始特征圖和通道數統一后的至少一個層級特征圖輸入至所述特征融合層中的上采樣層，得到所述上采樣層輸出的多個所述上采樣特征圖；
14、將各所述上采樣特征圖輸入至所述特征融合層中的特征拼接層，得到所述特征拼接層輸出的融合特征圖。
15、根據本專利技術提供的一種豬只姿態識別方法，所述將所述下采樣特征圖輸入至所述層級特征提取層中的第三特征提取層，得到所述第三特征提取層輸出的所述層級特征圖，包括：
16、將所述下采樣特征圖輸入至所述第三特征提取層中的第一自注意力層，得到所述第一自注意力層輸出的第一特征圖；所述第一自注意力層用于將所述下采樣特征圖分割成多個窗口分別進行自注意力處理；
17、將所述第一特征圖輸入至所述第三特征提取層中的第二自注意力層，得到所述第二自注意力層輸出的所述層級特征圖；所述第二自注意力層用于將所述第一特征圖分割成多個窗口進行自注意力處理，并使所述第一特征圖分割后的多個窗口之間進行信息傳遞。
18、根據本專利技術提供的一種豬只姿態識別方法，所述將豬只圖像輸入至姿態識別模型中的第一特征提取層，得到所述第一特征提取層輸出的初始特征圖，包括：
19、將豬只圖像分割為多個圖像塊；
20、將所述多個圖像塊在通道維度上進行疊加，得到原始特征圖；所述原始特征圖的尺度為所述預設初始尺度；
21、將所述原始特征圖輸入至所述第一特征提取層，得到所述第一特征提取層輸出的初始特征圖。
22、根據本專利技術提供的一種豬只姿態識別方法，所述姿態識別模型是基于樣本豬只圖像、所述樣本豬只圖像對應的至少一個目標檢測框和各所述目標檢測框對應的豬只姿態標簽訓練得到的，任一所述目標檢測框用于標注所述樣本豬只圖像中一只豬的位置；
23、所述豬只姿態識別結果包括至少一只豬的位置檢測結果和所述至少一只豬的姿態檢測結果。
24、本專利技術還提供一種豬只姿態識別裝置，包括：
25、第一提取模塊，用于將豬只圖像輸入至姿態識別模型中的第一特征提取層，得到所述第一特征提取層輸出的初始特征圖；所述第一特征提取層用于提取預設初始尺度的特征圖；
26、第二提取模塊，用于將所述初始特征圖輸入至所述姿態識別模型中的第二特征提取層，得到所述第二特征提取層輸出的至少一個層級特征圖；所述至少一個層級特征圖的尺度均小于所述預設初始尺度，所述至少一個層級特征圖的尺度均不相同；
27、特征融合模塊，用于將所述初始特征圖和所述至少一個層級特征圖輸入至所述姿態識別模型中的特征融合層，得到所述特征融合層輸出的融合特征圖；所述特征融合層用于將輸入的不同尺度的特征圖上采樣為尺度為所述預設初始尺度的上采樣特征圖，并將各所述上采樣特征圖進行特征融合得到所述融合特征圖；
28、姿態識別模塊，用于將所述融合特征圖輸入至所述姿態識別模型中的姿態識別層，得到所述姿態識別層輸出的豬只姿態識別結果；
29、其中，所述姿態識別模型是基于樣本豬只圖像和所述樣本豬只圖像對應的豬只姿態標簽訓練得到的。
30、本專利技術還提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如上述任一種所述豬只姿態識別方法。
31、本專利技術還提供一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現如上述任一種所述豬只姿態識別方法。
32、本專利技術還提供一種計算機程序產品，包括計算機程序，所述計算機程序被處理器執行時實現如上述任一種所述豬只姿態識別方法。
33、本專利技術提供的豬只姿態識別方法、裝置、設備、存儲介質和程序產品，將豬只圖像輸入至姿態識別模型中的第一特征提取層，得到第一特征本文檔來自技高網...
【技術保護點】
1.一種豬只姿態識別方法，其特征在于，包括：
2.根據權利要求1所述的豬只姿態識別方法，其特征在于，任一所述層級特征圖是基于所述第二特征提取層中的層級特征提取層提取得到，所述層級特征圖是基于如下方式提取得到：
3.根據權利要求2所述的豬只姿態識別方法，其特征在于，所述初始特征圖的通道數為預設初始通道數；所述將所述初始特征圖和所述至少一個層級特征圖輸入至所述姿態識別模型中的特征融合層，得到所述特征融合層輸出的融合特征圖，包括：
4.根據權利要求2所述的豬只姿態識別方法，其特征在于，所述將所述下采樣特征圖輸入至所述層級特征提取層中的第三特征提取層，得到所述第三特征提取層輸出的所述層級特征圖，包括：
5.根據權利要求1所述的豬只姿態識別方法，其特征在于，所述將豬只圖像輸入至姿態識別模型中的第一特征提取層，得到所述第一特征提取層輸出的初始特征圖，包括：
6.根據權利要求1至5中任一項所述的豬只姿態識別方法，其特征在于，所述姿態識別模型是基于樣本豬只圖像、所述樣本豬只圖像對應的至少一個目標檢測框和各所述目標檢測框對應的豬只姿態標簽
7.一種豬只姿態識別裝置，其特征在于，包括：
8.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至6任一項所述豬只姿態識別方法。
9.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述豬只姿態識別方法。
10.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述豬只姿態識別方法。
...【技術特征摘要】
1.一種豬只姿態識別方法，其特征在于，包括：
2.根據權利要求1所述的豬只姿態識別方法，其特征在于，任一所述層級特征圖是基于所述第二特征提取層中的層級特征提取層提取得到，所述層級特征圖是基于如下方式提取得到：
3.根據權利要求2所述的豬只姿態識別方法，其特征在于，所述初始特征圖的通道數為預設初始通道數；所述將所述初始特征圖和所述至少一個層級特征圖輸入至所述姿態識別模型中的特征融合層，得到所述特征融合層輸出的融合特征圖，包括：
4.根據權利要求2所述的豬只姿態識別方法，其特征在于，所述將所述下采樣特征圖輸入至所述層級特征提取層中的第三特征提取層，得到所述第三特征提取層輸出的所述層級特征圖，包括：
5.根據權利要求1所述的豬只姿態識別方法，其特征在于，所述將豬只圖像輸入至姿態識別模型中的第一特征提取層，得到所述第一特征提取層輸出的初始特征圖，包括：
...【專利技術屬性】
技術研發人員：閆潤強，李亞飛，鄧柯珀，
申請(專利權)人：河南訊飛人工智能科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。