CN108573054A - 用于推送信息的方法和装置 - Google Patents
用于推送信息的方法和装置 Download PDFInfo
- Publication number
- CN108573054A CN108573054A CN201810371264.6A CN201810371264A CN108573054A CN 108573054 A CN108573054 A CN 108573054A CN 201810371264 A CN201810371264 A CN 201810371264A CN 108573054 A CN108573054 A CN 108573054A
- Authority
- CN
- China
- Prior art keywords
- facial image
- network
- testing result
- information
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了用于推送信息的方法和装置。该方法的一具体实施方式包括:响应于接收到用户针对目标页面的操作请求,获取用户的人脸图像;将人脸图像输入预先训练的人脸检测模型,获得检测结果,其中,检测结果用于表征用户在预设的属性下的属性特征;基于所获得的检测结果,从预先设置的信息集合中选取目标信息并进行推送。该实施方式提高了信息推送的针对性。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及用于推送信息的方法和装置。
背景技术
随着科技的发展,基于网页的信息推送技术逐渐成为了网络信息传递的主要方式。
目前,待推送信息的展现形式通常包括以下两种:一种是网页所属平台设置统一模板,进而将待推送信息以模板的形式进行展现。另一种是由网页所属平台的第三方人员来设计待推送信息的展现形式,进而将待推送信息以第三方人员所设计的形式进行展现。
发明内容
本申请实施例提出了用于推送信息的方法和装置。
第一方面,本申请实施例提供了一种用于推送信息的方法,该方法包括:响应于接收到用户针对目标页面的操作请求,获取用户的人脸图像;将人脸图像输入预先训练的人脸检测模型,获得检测结果,其中,检测结果用于表征用户在预设的属性下的属性特征;基于所获得的检测结果,从预先设置的信息集合中选取目标信息并进行推送。
在一些实施例中,信息集合中的信息与预设标识集合中的预设标识相对应,检测结果包括预设标识集合中的预设标识;以及基于所获得的检测结果,从预先设置的信息集合中选取目标信息并进行推送,包括:将信息集合中与检测结果所包括的预设标识相对应的信息确定为目标信息并进行推送。
在一些实施例中,获取用户的人脸图像,包括:获取通信连接的终端发送的、用户的人脸图像,其中,人脸图像为终端对用户进行拍摄所获得的人脸图像。
在一些实施例中,人脸图像通过如下步骤得到:确定目标页面是否具有用于调用预先设置的摄像头的摄像接口;响应于确定目标页面具有用于调用预先设置的摄像头的摄像接口,通过摄像接口对用户进行拍摄,获得人脸图像。
在一些实施例中,人脸检测模型通过如下步骤训练得到:获取多个样本用户的多个样本人脸图像,并获取已标定的、多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果,其中,样本检测结果用于表征样本用户在预设的样本属性下的属性特征;利用机器学习方法,将多个样本人脸图像中的每个样本人脸图像作为输入,将已标定的、多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果作为输出,训练得到人脸检测模型。
在一些实施例中,人脸检测模型通过如下步骤训练得到:获取训练样本,其中,训练样本包括多个样本人脸图像和多个已标定的、多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果;获取预先建立的生成式对抗网络,其中,生成式对抗网络包括生成网络和判别网络,生成网络用于利用所输入的图像生成检测结果,判别网络用于确定所输入的样本检测结果是否为生成网络所输出的检测结果;利用机器学习方法,将多个样本人脸图像作为生成网络的输入,将生成网络输出的检测结果和多个样本检测结果作为判别网络的输入,对生成网络和判别网络进行训练,将训练后的生成网络确定为人脸检测模型。
第二方面,本申请实施例提供了一种用于推送信息的装置,该装置包括:获取单元,被配置成响应于接收到用户针对目标页面的操作请求,获取用户的人脸图像;输入单元,被配置成将人脸图像输入预先训练的人脸检测模型,获得检测结果,其中,检测结果用于表征用户在预设的属性下的属性特征;选取单元,被配置成基于所获得的检测结果,从预先设置的信息集合中选取目标信息并进行推送。
在一些实施例中,信息集合中的信息与预设标识集合中的预设标识相对应,检测结果包括预设标识集合中的预设标识;以及选取单元包括:确定模块,被配置成将信息集合中与检测结果所包括的预设标识相对应的信息确定为目标信息并进行推送。
在一些实施例中,获取单元包括:获取模块,被配置成获取通信连接的终端发送的、用户的人脸图像,其中,人脸图像为终端对用户进行拍摄所获得的人脸图像。
在一些实施例中,人脸图像通过如下步骤得到:确定目标页面是否具有用于调用预先设置的摄像头的摄像接口;响应于确定目标页面具有用于调用预先设置的摄像头的摄像接口,通过摄像接口对用户进行拍摄,获得人脸图像。
在一些实施例中,人脸检测模型通过如下步骤训练得到:获取多个样本用户的多个样本人脸图像,并获取已标定的、多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果,其中,样本检测结果用于表征样本用户在预设的样本属性下的属性特征;利用机器学习方法,将多个样本人脸图像中的每个样本人脸图像作为输入,将已标定的、多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果作为输出,训练得到人脸检测模型。
在一些实施例中,人脸检测模型通过如下步骤训练得到:获取训练样本,其中,训练样本包括多个样本人脸图像和多个已标定的、多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果;获取预先建立的生成式对抗网络,其中,生成式对抗网络包括生成网络和判别网络,生成网络用于利用所输入的图像生成检测结果,判别网络用于确定所输入的样本检测结果是否为生成网络所输出的检测结果;利用机器学习方法,将多个样本人脸图像作为生成网络的输入,将生成网络输出的检测结果和多个样本检测结果作为判别网络的输入,对生成网络和判别网络进行训练,将训练后的生成网络确定为人脸检测模型。
第三方面,本申请实施例提供了一种服务器,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述用于推送信息的方法中任一实施例的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现上述用于推送信息的方法中任一实施例的方法。
本申请实施例提供的用于推送信息的方法和装置,通过响应于接收到用户针对目标页面的操作请求,获取用户的人脸图像,接着将人脸图像输入预先训练的人脸检测模型,获得检测结果,其中,检测结果用于表征用户在预设的属性下的属性特征,基于所获得的检测结果,从预先设置的信息集合中选取目标信息并进行推送,从而有效地将用户的人脸图像所表征的属性特征与所推送的信息相关联,提高了信息推送的针对性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于推送信息的方法的一个实施例的流程图;
图3是根据本申请的用于推送信息的方法的一个应用场景的示意图;
图4是根据本申请的用于推送信息的方法的又一个实施例的流程图;
图5是根据本申请的用于推送信息的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于推送信息的方法或用于推送信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的网页提供支持的后台网页服务器。后台网页服务器可以对接收到的对目标页面的操作请求等数据进行分析等处理,并将处理结果(例如目标信息)反馈给终端设备。
需要说明的是,本申请实施例所提供的用于推送信息的方法一般由服务器105执行,相应地,用于推送信息的装置可以设置于服务器105中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于推送信息的方法的一个实施例的流程200。该用于推送信息的方法,包括以下步骤:
步骤201,响应于接收到用户针对目标页面的操作请求,获取用户的人脸图像。
在本实施例中,用于推送信息的方法的执行主体(例如图1所示的服务器105)可以响应于接收到用户针对目标页面的操作请求,通过有线连接方式或者无线连接方式获取用户的人脸图像。其中,目标页面为预先设置的、待用户对其进行操作的页面。目标页面可以显示于用户所使用的电子设备(例如图1所示的终端设备101、102、103)上。操作请求可以为访问请求、浏览请求等。需要说明的是,上述执行主体可以获取预先存储于本地的、上述用户的人脸图像;或者,获取与上述执行主体通信连接的其它电子设备(例如图1所示的终端设备101、102、103)发送的、上述用户的人脸图像。
步骤202,将人脸图像输入预先训练的人脸检测模型,获得检测结果。
在本实施例中,基于步骤201中得到的人脸图像,上述执行主体可以将人脸图像输入预先训练的人脸检测模型,获得检测结果。其中,检测结果可以包括但不限于以下至少一项:文字、数字、符号、图片、向量。检测结果可以用于表征用户在预设的属性下的属性特征。预设的属性可以为技术人员预先确定的用户属性。属性特征可以为用户属性的特征。作为示例,预设的属性可以为用户的性别,则属性特征为性别特征(男或女),进而检测结果可以为用于表征性别特征的文字、符号等,例如文字“男”、“女”,或者符号“♂”(表示性别男)、“♀”(表示性别女)。
在本实施例中,人脸检测模型可以用于表征人脸图像与检测结果的对应关系。具体的,人脸检测模型可以是技术人员基于对大量的人脸图像和检测结果的统计而预先制定的、存储有多个人脸图像与检测结果的对应关系的对应关系表,也可以是预先利用机器学习方法,基于训练样本对用于进行图像处理的模型(例如,卷积神经网络(ConvolutionalNeural Network,CNN))进行训练后所得到的模型。
在本实施例的一些可选的实现方式中,上述执行主体或其他电子设备可以通过如下步骤训练得到上述人脸检测模型:首先,获取多个样本用户的多个样本人脸图像,并获取已标定的、多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果,其中,样本检测结果可以用于表征样本用户在预设的样本属性下的属性特征。然后,利用机器学习方法,将多个样本人脸图像中的每个样本人脸图像作为输入,将已标定的、多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果作为输出,对初始模型(例如卷积神经网络、支持向量机等)进行训练,得到上述人脸检测模型。
在本实施例的一些可选的实现方式中,上述执行主体或其他电子设备还可以通过如下步骤训练得到上述人脸检测模型:
首先,获取训练样本。其中,训练样本可以包括多个样本人脸图像和多个已标定的、多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果。样本人脸图像可以为样本用户的人脸图像。样本检测结果可以用于表征样本用户在预设的样本属性下的属性特征。
然后,获取预先建立的生成式对抗网络(Generative Adversarial Nets,GAN)。例如,上述生成式对抗网络可以是深度卷积生成对抗网络(Deep Convolutional GenerativeAdversarial Network,DCGAN)。
其中,生成式对抗网络可以包括生成网络和判别网络。上述生成网络可以用于利用所输入的图像生成检测结果。上述判别网络可以用于确定所输入的样本检测结果是否为生成网络所输出的检测结果。需要说明的是,上述生成网络可以是用于生成检测结果的各种分类器;上述判别网络可以是卷积神经网络(例如包含全连接层的各种卷积神经网络结构,其中,全连接层可以实现分类功能)。此外,上述判别网络也可以是用于实现分类功能的其他模型结构,例如支持向量机(Support Vector Machine,SVM)。
在这里,判别网络若判定输入的样本检测结果是上述生成网络所输出的检测结果(来自生成数据),则可以输出1;若判定输入的样本检测结果不是上述生成网络所输出的检测结果(来自真实数据,即上述样本检测结果),则可以输出0。需要说明的是,判别网络也可以预先设定为输出其他数值、文字或符号,不限于上述1和0。
最后,利用机器学习方法,将多个样本人脸图像作为生成网络的输入,将生成网络输出的检测结果和多个样本检测结果作为判别网络的输入,对生成网络和判别网络进行训练,将训练后的生成网络确定为人脸检测模型。
具体地,可以首先固定生成网络和判别网络中的任一网络(可称为第一网络)的参数,对未固定参数的网络(可称为第二网络)进行优化;再固定第二网络的参数,对第一网络进行改进。不断进行上述迭代,使判别网络无法区分输入的图像是否是生成网络所生成的,直至最终收敛。此时,上述生成网络所生成的检测结果与样本检测结果接近,上述判别网络无法准确区分真实数据和生成数据(即准确率为50%),进而可以将此时的生成网络确定为人脸检测模型。
步骤203,基于所获得的检测结果,从预先设置的信息集合中选取目标信息并进行推送。
在本实施例中,基于步骤202所获得的检测结果,上述执行主体可以从预先设置的信息集合中选取目标信息并进行推送。其中,上述信息集合中的信息可以为技术人员预先设置的、用于推送给用户的信息。信息集合中的信息可以与检测结果相关联。在这里,信息集合中的信息可以包括但不限于以下至少一项:文字、数字、符号、图片、视频、音频、链接。例如,信息集合中的信息可以包括男士服装搭配教学视频(与用于表征性别特征为“男”的检测结果相关联)、女士服装搭配教学视频(与用于表征性别特征为“女”的检测结果相关联)等。目标信息为用于推送给用户的信息。具体的,上述执行主体可以将上述目标信息推送至目标页面用以显示。需要说明的是,上述执行主体可以从信息集合中选取一条或多条信息作为目标信息。
作为示例,上述预设的属性可以为用户的容貌,属性特征即为容貌特征,具体可以用于表征容貌的好坏程度,则检测结果可以包括用于表征用户容貌的好坏程度的数值,且数值越大,所表征的容貌可以越好。需要说明的是,在这里,技术人员可以通过上述执行主体预先设置检测结果所包括的数值的数值范围,例如1~10。此时,检测结果与信息集合中的信息的关联关系可以通过预设阈值来确定,其中,预设阈值可以为技术人员预先确定的数值,预设阈值属于检测结果所包括的数值的数值范围。例如,检测结果所包括的数值的数值范围为1~10,则预设阈值可以为数值5。具体的,信息集合中可以包括与小于预设阈值的数值范围相对应的第一信息(例如A牌化妆品的网页链接)以及与不小于预设阈值的数值范围相对应的第二信息(例如B牌护肤品的网页链接)。进而,包括小于预设阈值的数值的检测结果可以与第一信息相关联;包括不小于预设阈值的数值的检测结果可以与第二信息相关联。
在该示例中,上述执行主体可以通过如下步骤从预先设置的信息集合中选取目标信息并进行推送:首先,上述执行主体可以确定检测结果所包括的数值是否小于预设阈值。然后,响应于确定检测结果所包括的数值小于预设阈值,上述执行主体可以将信息集合中的第一信息确定为目标信息并进行推送。另外,响应于确定检测结果所包括的数值不小于预设阈值,上述执行主体可以将信息集合中的第二信息确定为目标信息并进行推送。
在本实施例的一些可选的实现方式中,信息集合中的信息可以与预设标识集合中的预设标识相对应,检测结果可以包括预设标识集合中的预设标识;以及上述执行主体可以将信息集合中与检测结果所包括的预设标识相对应的信息确定为目标信息并进行推送。其中,预设标识可以包括但不限于以下至少一项:文字、数值、符号、图片。作为示例,预设标识集合可以包括预设标识“♂”和预设标识“♀”。信息集合可以包括男士服装搭配教学视频和女士服装搭配教学视频。其中,男士服装搭配教学视频与预设标识“♂”相对应;女士服装搭配教学视频与预设标识“♀”相对应。进而,当所生成的检测结果包括预设标识“♂”时,上述执行主体快可以将男士服装搭配教学视频确定为目标信息并进行推送;当所生成的检测结果包括预设标识“♀”时,上述执行主体可以将女士服装搭配教学视频确定为目标信息并进行推送。
继续参见图3,图3是根据本实施例的用于推送信息的方法的应用场景的一个示意图。在图3的应用场景中,首先,用户可以使用手机访问目标页面,如附图标记301所示;服务器可以响应于接收到用户针对目标页面的访问请求,获取上述手机发送的、预先存储于手机上的人脸图像,如附图标记302所示;然后,上述服务器可以将人脸图像输入预先训练的人脸检测模型,生成检测结果(女士)并发送给上述手机,如附图标记303所示;最后,上述服务器可以基于所获得的检测结果,从预先设置的信息集合中选取目标信息并推送给上述手机,如附图标记304所示。
本申请的上述实施例提供的方法通过响应于接收到用户针对目标页面的操作请求,获取用户的人脸图像,接着将人脸图像输入预先训练的人脸检测模型,获得检测结果,其中,检测结果用于表征用户在预设的属性下的属性特征,基于所获得的检测结果,从预先设置的信息集合中选取目标信息并进行推送,从而有效地将用户的人脸图像所表征的属性特征与所推送的信息相关联,提高了信息推送的针对性。
进一步参考图4,其示出了用于推送信息的方法的又一个实施例的流程400。该用于推送信息的方法的流程400,包括以下步骤:
步骤401,响应于接收到用户针对目标页面的操作请求,获取通信连接的终端发送的、用户的人脸图像。
在本实施例中,用于推送信息的方法的执行主体(例如图1所示的服务器105)可以响应于接收到用户针对目标页面的操作请求,获取通信连接的终端(例如图1所示的终端设备101、102、103)发送的、用户的人脸图像。其中,人脸图像为上述终端对上述用户进行拍摄所获得的人脸图像。目标页面为预先设置的、待用户对其进行操作的页面。目标页面可以显示于上述终端上。操作请求可以为访问请求、浏览请求等。具体的,上述终端可以通过预先设置的摄像头对用户进行拍摄,获得用户的人脸图像,并将所获得的人脸图像发送给上述执行主体。
实践中,上述终端上可以安装有应用软件,上述目标页面可以是应用软件中的页面,针对应用软件,技术人员可以预先设置用于调用终端上预先设置的摄像头的摄像接口,进而对于上述应用软件,可以通过摄像接口,调用上述终端上的摄像头,对用户进行拍摄,获得人脸图像。
在本实施例的一些可选的实现方式中,上述终端可以通过如下步骤得到上述用户的人脸图像:首先,上述终端可以确定目标页面是否具有用于调用预先设置的摄像头的摄像接口;然后上述终端可以响应于确定目标页面具有用于调用预先设置的摄像头的摄像接口,通过摄像接口对用户进行拍摄,获得人脸图像。
步骤402,将人脸图像输入预先训练的人脸检测模型,获得检测结果。
在本实施例中,基于步骤401中得到的人脸图像,上述执行主体可以将人脸图像输入预先训练的人脸检测模型,获得检测结果。其中,检测结果可以包括但不限于以下至少一项:文字、数字、符号、图片、向量。检测结果可以用于表征用户在预设的属性下的属性特征。预设的属性可以为技术人员预先确定的用户属性。属性特征可以为用户属性的特征。人脸检测模型可以用于表征人脸图像与检测结果的对应关系。
步骤403,基于所获得的检测结果,从预先设置的信息集合中选取目标信息并进行推送。
在本实施例中,基于步骤402所获得的检测结果,上述执行主体可以从预先设置的信息集合中选取目标信息并进行推送。其中,上述信息集合中的信息可以为技术人员预先设置的、用于推送给用户的信息。信息集合中的信息可以与检测结果相关联。在这里,信息集合中的信息可以包括但不限于以下至少一项:文字、数字、符号、图片、视频、音频、链接。目标信息为用于推送给用户的信息。具体的,上述执行主体可以将上述目标信息推送至目标页面用以显示。
上述步骤402、步骤403分别采用与前述实施例中的步骤202、步骤203类似的方式实现。相应地,上文针对步骤202、步骤203的描述也适可用于本实施例的步骤402、步骤403,此处不再赘述。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于推送信息的方法的流程400突出了获取通信连接的终端发送的、通过对用户进行拍摄所获得的人脸图像的步骤。由此,本实施例描述的方案可以进一步提高人机的交互性,且通过对用户进行拍摄获取用户当前的人脸图像,可以获得更为准确的用户属性的属性特征,从而提高了信息推送的准确性。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于推送信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于推送信息的装置500包括:获取单元501、输入单元502和选取单元503。其中,获取单元501被配置成响应于接收到用户针对目标页面的操作请求,获取用户的人脸图像;输入单元502被配置成将人脸图像输入预先训练的人脸检测模型,获得检测结果,其中,检测结果用于表征用户在预设的属性下的属性特征;选取单元503被配置成基于所获得的检测结果,从预先设置的信息集合中选取目标信息并进行推送。
在本实施例中,用于推送信息的装置500的获取单元501可以响应于接收到用户针对目标页面的操作请求,通过有线连接方式或者无线连接方式获取用户的人脸图像。其中,目标页面为预先设置的、待用户对其进行操作的页面。目标页面可以显示于用户所使用的电子设备(例如图1所示的终端设备101、102、103)上。操作请求可以为访问请求、浏览请求等。需要说明的是,获取单元501可以获取预先存储于本地的、上述用户的人脸图像;或者,获取与获取单元501通信连接的其它电子设备(例如图1所示的终端设备101、102、103)发送的、上述用户的人脸图像。
在本实施例中,基于获取单元501得到的人脸图像,输入单元502可以将人脸图像输入预先训练的人脸检测模型,获得检测结果。其中,检测结果可以包括但不限于以下至少一项:文字、数字、符号、图片、向量。检测结果可以用于表征用户在预设的属性下的属性特征。预设的属性可以为技术人员预先确定的用户属性。属性特征可以为用户属性的特征。
在本实施例中,人脸检测模型可以用于表征人脸图像与检测结果的对应关系。具体的,人脸检测模型可以是技术人员基于对大量的人脸图像和检测结果的统计而预先制定的、存储有多个人脸图像与检测结果的对应关系的对应关系表,也可以是预先利用机器学习方法,基于训练样本对用于进行图像处理的模型进行训练后所得到的模型。
在本实施例中,基于输入单元502所获得的检测结果,选取单元503可以从预先设置的信息集合中选取目标信息并进行推送。其中,上述信息集合中的信息可以为技术人员预先设置的、用于推送给用户的信息。信息集合中的信息可以与检测结果相关联。在这里,信息集合中的信息可以包括但不限于以下至少一项:文字、数字、符号、图片、视频、音频、链接。目标信息为用于推送给用户的信息。具体的,上述选取单元503可以将上述目标信息推送至目标页面用以显示。
在本实施例的一些可选的实现方式中,信息集合中的信息可以与预设标识集合中的预设标识相对应,检测结果可以包括预设标识集合中的预设标识;以及选取单元503可以包括:确定模块,被配置成将信息集合中与检测结果所包括的预设标识相对应的信息确定为目标信息并进行推送。
在本实施例的一些可选的实现方式中,获取单元501可以包括:获取模块,被配置成获取通信连接的终端发送的、用户的人脸图像,其中,人脸图像为终端对用户进行拍摄所获得的人脸图像。
在本实施例的一些可选的实现方式中,人脸图像可以通过如下步骤得到:确定目标页面是否具有用于调用预先设置的摄像头的摄像接口;响应于确定目标页面具有用于调用预先设置的摄像头的摄像接口,通过摄像接口对用户进行拍摄,获得人脸图像。
在本实施例的一些可选的实现方式中,人脸检测模型可以通过如下步骤训练得到:首先,获取多个样本用户的多个样本人脸图像,并获取已标定的、多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果,其中,样本检测结果用于表征样本用户在预设的样本属性下的属性特征。然后,利用机器学习方法,将多个样本人脸图像中的每个样本人脸图像作为输入,将已标定的、多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果作为输出,训练得到人脸检测模型。
在本实施例的一些可选的实现方式中,人脸检测模型可以通过如下步骤训练得到:
首先,获取训练样本,其中,训练样本可以包括多个样本人脸图像和多个已标定的、多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果。
接着,获取预先建立的生成式对抗网络,其中,生成式对抗网络可以包括生成网络和判别网络,生成网络可以用于利用所输入的图像生成检测结果,判别网络可以用于确定所输入的样本检测结果是否为生成网络所输出的检测结果。
然后,利用机器学习方法,将多个样本人脸图像作为生成网络的输入,将生成网络输出的检测结果和多个样本检测结果作为判别网络的输入,对生成网络和判别网络进行训练,将训练后的生成网络确定为人脸检测模型。
本申请的上述实施例提供的装置500通过获取单元501响应于接收到用户针对目标页面的操作请求,获取用户的人脸图像,接着输入单元502将人脸图像输入预先训练的人脸检测模型,获得检测结果,其中,检测结果用于表征用户在预设的属性下的属性特征,然后选取单元503基于所获得的检测结果,从预先设置的信息集合中选取目标信息并进行推送,从而有效地将用户的人脸图像所表征的属性特征与所推送的信息相关联,提高了信息推送的针对性。
下面参考图6,其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、输入单元和选取单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取用户的人脸图像的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:响应于接收到用户针对目标页面的操作请求,获取用户的人脸图像;将人脸图像输入预先训练的人脸检测模型,获得检测结果,其中,检测结果用于表征用户在预设的属性下的属性特征;基于所获得的检测结果,从预先设置的信息集合中选取目标信息并进行推送。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种用于推送信息的方法,包括:
响应于接收到用户针对目标页面的操作请求,获取所述用户的人脸图像;
将所述人脸图像输入预先训练的人脸检测模型,获得检测结果,其中,所述检测结果用于表征所述用户在预设的属性下的属性特征;
基于所获得的检测结果,从预先设置的信息集合中选取目标信息并进行推送。
2.根据权利要求1所述的方法,其中,所述信息集合中的信息与预设标识集合中的预设标识相对应,所述检测结果包括所述预设标识集合中的预设标识;以及
所述基于所获得的检测结果,从预先设置的信息集合中选取目标信息并进行推送,包括:
将所述信息集合中与所述检测结果所包括的预设标识相对应的信息确定为目标信息并进行推送。
3.根据权利要求1所述的方法,其中,所述获取所述用户的人脸图像,包括:
获取通信连接的终端发送的、所述用户的人脸图像,其中,所述人脸图像为所述终端对所述用户进行拍摄所获得的人脸图像。
4.根据权利要求3所述的方法,其中,所述人脸图像通过如下步骤得到:
确定所述目标页面是否具有用于调用预先设置的摄像头的摄像接口;
响应于确定所述目标页面具有用于调用预先设置的摄像头的摄像接口,通过所述摄像接口对所述用户进行拍摄,获得人脸图像。
5.根据权利要求1-4之一所述的方法,其中,所述人脸检测模型通过如下步骤训练得到:
获取多个样本用户的多个样本人脸图像,并获取已标定的、所述多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果,其中,样本检测结果用于表征样本用户在预设的样本属性下的属性特征;
利用机器学习方法,将所述多个样本人脸图像中的每个样本人脸图像作为输入,将已标定的、所述多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果作为输出,训练得到人脸检测模型。
6.根据权利要求1-4之一所述的方法,其中,所述人脸检测模型通过如下步骤训练得到:
获取训练样本,其中,所述训练样本包括多个样本人脸图像和多个已标定的、所述多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果;
获取预先建立的生成式对抗网络,其中,所述生成式对抗网络包括生成网络和判别网络,所述生成网络用于利用所输入的图像生成检测结果,所述判别网络用于确定所输入的样本检测结果是否为所述生成网络所输出的检测结果;
利用机器学习方法,将所述多个样本人脸图像作为所述生成网络的输入,将所述生成网络输出的检测结果和所述多个样本检测结果作为所述判别网络的输入,对所述生成网络和所述判别网络进行训练,将训练后的所述生成网络确定为人脸检测模型。
7.一种用于推送信息的装置,包括:
获取单元,被配置成响应于接收到用户针对目标页面的操作请求,获取所述用户的人脸图像;
输入单元,被配置成将所述人脸图像输入预先训练的人脸检测模型,获得检测结果,其中,所述检测结果用于表征所述用户在预设的属性下的属性特征;
选取单元,被配置成基于所获得的检测结果,从预先设置的信息集合中选取目标信息并进行推送。
8.根据权利要求7所述的装置,其中,所述信息集合中的信息与预设标识集合中的预设标识相对应,所述检测结果包括所述预设标识集合中的预设标识;以及
所述选取单元包括:
确定模块,被配置成将所述信息集合中与所述检测结果所包括的预设标识相对应的信息确定为目标信息并进行推送。
9.根据权利要求7所述的装置,其中,所述获取单元包括:
获取模块,被配置成获取通信连接的终端发送的、所述用户的人脸图像,其中,所述人脸图像为所述终端对所述用户进行拍摄所获得的人脸图像。
10.根据权利要求9所述的装置,其中,所述人脸图像通过如下步骤得到:
确定所述目标页面是否具有用于调用预先设置的摄像头的摄像接口;
响应于确定所述目标页面具有用于调用预先设置的摄像头的摄像接口,通过所述摄像接口对所述用户进行拍摄,获得人脸图像。
11.根据权利要求7-10之一所述的装置,其中,所述人脸检测模型通过如下步骤训练得到:
获取多个样本用户的多个样本人脸图像,并获取已标定的、所述多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果,其中,样本检测结果用于表征样本用户在预设的样本属性下的属性特征;
利用机器学习方法,将所述多个样本人脸图像中的每个样本人脸图像作为输入,将已标定的、所述多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果作为输出,训练得到人脸检测模型。
12.根据权利要求7-10之一所述的装置,其中,所述人脸检测模型通过如下步骤训练得到:
获取训练样本,其中,所述训练样本包括多个样本人脸图像和多个已标定的、所述多个样本人脸图像中的每个样本人脸图像所对应的样本检测结果;
获取预先建立的生成式对抗网络,其中,所述生成式对抗网络包括生成网络和判别网络,所述生成网络用于利用所输入的图像生成检测结果,所述判别网络用于确定所输入的样本检测结果是否为所述生成网络所输出的检测结果;
利用机器学习方法,将所述多个样本人脸图像作为所述生成网络的输入,将所述生成网络输出的检测结果和所述多个样本检测结果作为所述判别网络的输入,对所述生成网络和所述判别网络进行训练,将训练后的所述生成网络确定为人脸检测模型。
13.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810371264.6A CN108573054A (zh) | 2018-04-24 | 2018-04-24 | 用于推送信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810371264.6A CN108573054A (zh) | 2018-04-24 | 2018-04-24 | 用于推送信息的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108573054A true CN108573054A (zh) | 2018-09-25 |
Family
ID=63575294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810371264.6A Pending CN108573054A (zh) | 2018-04-24 | 2018-04-24 | 用于推送信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108573054A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109816200A (zh) * | 2018-12-17 | 2019-05-28 | 平安国际融资租赁有限公司 | 任务推送方法、装置、计算机设备和存储介质 |
CN109872242A (zh) * | 2019-01-30 | 2019-06-11 | 北京字节跳动网络技术有限公司 | 信息推送方法和装置 |
CN109902446A (zh) * | 2019-04-09 | 2019-06-18 | 北京字节跳动网络技术有限公司 | 用于生成信息预测模型的方法和装置 |
CN111125501A (zh) * | 2018-10-31 | 2020-05-08 | 北京字节跳动网络技术有限公司 | 用于处理信息的方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324636A (zh) * | 2012-03-22 | 2013-09-25 | 三星电子(中国)研发中心 | 在社交网络中推荐好友的系统和方法 |
US20140133743A1 (en) * | 2011-09-27 | 2014-05-15 | Olaworks, Inc. | Method, Apparatus and Computer Readable Recording Medium for Detecting a Location of a Face Feature Point Using an Adaboost Learning Algorithm |
CN106326441A (zh) * | 2016-08-26 | 2017-01-11 | 乐视控股(北京)有限公司 | 信息推荐方法及装置 |
-
2018
- 2018-04-24 CN CN201810371264.6A patent/CN108573054A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140133743A1 (en) * | 2011-09-27 | 2014-05-15 | Olaworks, Inc. | Method, Apparatus and Computer Readable Recording Medium for Detecting a Location of a Face Feature Point Using an Adaboost Learning Algorithm |
CN103324636A (zh) * | 2012-03-22 | 2013-09-25 | 三星电子(中国)研发中心 | 在社交网络中推荐好友的系统和方法 |
CN106326441A (zh) * | 2016-08-26 | 2017-01-11 | 乐视控股(北京)有限公司 | 信息推荐方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111125501A (zh) * | 2018-10-31 | 2020-05-08 | 北京字节跳动网络技术有限公司 | 用于处理信息的方法和装置 |
CN111125501B (zh) * | 2018-10-31 | 2023-07-25 | 北京字节跳动网络技术有限公司 | 用于处理信息的方法和装置 |
CN109816200A (zh) * | 2018-12-17 | 2019-05-28 | 平安国际融资租赁有限公司 | 任务推送方法、装置、计算机设备和存储介质 |
CN109816200B (zh) * | 2018-12-17 | 2023-11-28 | 平安国际融资租赁有限公司 | 任务推送方法、装置、计算机设备和存储介质 |
CN109872242A (zh) * | 2019-01-30 | 2019-06-11 | 北京字节跳动网络技术有限公司 | 信息推送方法和装置 |
CN109902446A (zh) * | 2019-04-09 | 2019-06-18 | 北京字节跳动网络技术有限公司 | 用于生成信息预测模型的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108595628A (zh) | 用于推送信息的方法和装置 | |
CN108898185A (zh) | 用于生成图像识别模型的方法和装置 | |
CN109460513A (zh) | 用于生成点击率预测模型的方法和装置 | |
CN108830235A (zh) | 用于生成信息的方法和装置 | |
CN110298906A (zh) | 用于生成信息的方法和装置 | |
CN109086719A (zh) | 用于输出数据的方法和装置 | |
CN109993150A (zh) | 用于识别年龄的方法和装置 | |
CN108989882A (zh) | 用于输出视频中的音乐片段的方法和装置 | |
CN108520324A (zh) | 用于生成信息的方法和装置 | |
CN109976997A (zh) | 测试方法和装置 | |
CN108573054A (zh) | 用于推送信息的方法和装置 | |
CN109308469A (zh) | 用于生成信息的方法和装置 | |
CN109446990A (zh) | 用于生成信息的方法和装置 | |
CN109299477A (zh) | 用于生成文本标题的方法和装置 | |
CN109255767A (zh) | 图像处理方法和装置 | |
CN108776692A (zh) | 用于处理信息的方法和装置 | |
CN109214501A (zh) | 用于识别信息的方法和装置 | |
CN109272543A (zh) | 用于生成模型的方法和装置 | |
CN110059623A (zh) | 用于生成信息的方法和装置 | |
CN108509921A (zh) | 用于生成信息的方法和装置 | |
CN109410253A (zh) | 用于生成信息的方法和装置 | |
CN110046571A (zh) | 用于识别年龄的方法和装置 | |
CN108960110A (zh) | 用于生成信息的方法和装置 | |
CN108595448A (zh) | 信息推送方法和装置 | |
CN108446659A (zh) | 用于检测人脸图像的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180925 |