CN110928959A - 一种实体之间关系特征信息的确定方法、装置、电子设备及存储介质 - Google Patents
一种实体之间关系特征信息的确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110928959A CN110928959A CN201911028767.4A CN201911028767A CN110928959A CN 110928959 A CN110928959 A CN 110928959A CN 201911028767 A CN201911028767 A CN 201911028767A CN 110928959 A CN110928959 A CN 110928959A
- Authority
- CN
- China
- Prior art keywords
- entity pair
- target entity
- determining
- target
- entities
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例所公开的一种实体之间关系特征信息的确定方法、装置、电子设备及存储介质,其中方法包括:接收任务请求,对任务请求进行解析,获取参考实体对,确定待识别对象中与参考实体对匹配的目标实体对集合,确定目标实体对集合中每个目标实体对包含的两个目标实体之间的相对方向信息和距离数据,基于关系数据模型对相对方向信息和距离数据进行处理,得到每个目标实体对的关系数据,根据关系查询库对关系数据进行查询,得到每个目标实体对的关系特征信息。本申请实施例,能够明确实体时间的关系界定,能够实现对场景的有效分析、认知与表达,辅助计算机以结构化的格式获悉更加丰富的场景理解信息,为实现计算机下一步操作的推理和决策奠定基础。
Description
技术领域
本发明涉及计算机视觉处理领域,尤其涉及一种实体之间关系特征信息的确定方法、装置、电子设备及存储介质。
背景技术
随着人工智能技术的不断发展,计算机视觉处理技术不断成熟。但是,目前计算机视觉处理技术仍停留在图像信息表达和物体识别阶段,未能深入研究实现对场景的整体理解,尤其难以攻破关系理解、全景理解和视觉推理三大难关。
众所周知,场景理解是一种融合场景识别、目标识别、关系识别、行为识别和自然语言处理等子任务的交叉任务集合,旨在实现场景的有效分析、认知和表达。场景理解建立于感知环境基础的基础之上,通过结合视觉分析、图像识别和图像处理等技术手段,从计算统计、行为认知以及语义等不同角度挖掘场景中的关系特征。其中,关系特征是场景理解重要的因素之一,能够辅助捕获场景中目标之间的各种交互信息,然而现有技术中,针对场景理解中的关系特征的挖掘和利用远远不够,甚至不明确一些场景理解中关系特征的关系界定。
发明内容
本申请实施例所要解决的技术问题在于,提供一种实体之间关系特征信息的确定方法、装置、电子设备及存储介质,解决现有技术中对实体之间关系界定不明确的问题。
为了解决上述技术问题,本申请实施例提供了一种实体之间关系特征信息的确定方法,该方法包括:
接收任务请求;任务请求包含待识别对象;
对任务请求进行解析,获取参考实体对;
确定待识别对象中与参考实体对匹配的目标实体对集合;
确定目标实体对集合中每个目标实体对包含的两个目标实体之间的相对方向信息和距离数据;
基于关系数据模型对相对方向信息和距离数据进行处理,得到每个目标实体对的关系数据;
根据关系查询库对关系数据进行查询,得到每个目标实体对的关系特征信息。
进一步地,基于关系数据模型对相对方向信息和距离数据进行处理,得到每个目标实体对的关系数据,包括:
基于关系数据模型对相对方向信息和距离数据进行处理,得到关系参数集合;
基于预设函数公式对关系参数集合进行处理,得到关系数据。
进一步地,确定待识别对象中与参考实体对匹配的目标实体对集合,包括:
对待识别对象进行实体识别,得到实体集合;
根据参考实体对从实体集合中确定目标实体对集合。
进一步地,确定目标实体对集合中每个目标实体对包含的两个目标实体之间的相对方向信息和距离数据,包括:
确定目标实体对包含的每个目标实体的定位点;
根据目标实体对包含的两个目标实体对应的两个定位点,确定目标实体对的相对方向信息和距离数据。
进一步地,确定目标实体对集合中每个目标实体对包含的两个目标实体之间的相对方向信息和距离数据,包括:
确定目标实体对集合对应的坐标系;
确定每个目标实体对包含的两个目标实体在坐标系中的位置;
基于位置确定目标实体对的相对方向信息和距离数据。
进一步地,坐标系包括但不限于二维坐标系、三维坐标系或四维坐标系。
进一步地,关系数据模型包括模糊矩阵、模糊集或模糊图中的任意一种。
相应地,本申请实施例还提供了一种实体之间关系特征信息的确定装置,该装置包括:
接收模块,用于接收任务请求;任务请求包含待识别对象;
获取模块,用于对任务请求进行解析,获取参考实体对;
第一确定模块,用于确定待识别对象中与参考实体对匹配的目标实体对集合;
第二确定模块,用于确定目标实体对集合中每个目标实体对包括的两个目标实体之间的相对方向信息和距离数据;
处理模块,用于基于关系数据模型对相对方向信息和距离数据进行处理,得到每个目标实体对的关系数据;
查询模块,用于根据关系查询库对关系数据进行查询,得到每个目标实体对的关系特征信息。
相应地,本申请实施例还提供了一种电子设备,该电子设备包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述实体之间关系特征信息的确定方法。
相应地,本申请实施例还提供了一种计算机可读存储介质,该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述实体之间关系特征信息的确定方法。
本申请实施例具有如下有益效果:
本申请实施例所公开的一种实体之间关系特征信息的确定方法、装置、电子设备及存储介质,其中,方法包括接收任务请求;任务请求包含待识别对象,对任务请求进行解析,获取参考实体对,确定待识别对象中与参考实体对匹配的目标实体对集合,确定目标实体对集合中每个目标实体对包含的两个目标实体之间的相对方向信息和距离数据,基于关系数据模型对相对方向信息和距离数据进行处理,得到每个目标实体对的关系数据,根据关系查询库对关系数据进行查询,得到每个目标实体对的关系特征信息。基于本申请实施例,通过确定目标实体之间的相对方向信息和距离数据,并基于关系数据模型、预设函数公式和关系查询库,确定目标实体对的关系特征信息。不仅能够明确实体时间的关系界定,还能够实现对场景的有效分析、认知与表达,辅助计算机以结构化的格式获悉更加丰富的场景理解信息,为实现计算机下一步操作的推理和决策奠定基础。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本申请实施例所提供的一种应用环境的示意图;
图2是本申请实施例所提供的一种实体之间关系特征信息的确定方法的流程示意图;
图3是本申请实施例所提供的一种确定实体时间关系特性信息的具体实施方案的结构示意图;
图4是本申请实施例所提供的一种任务请求为定性确定图中物体A和物体B的关系特征信息的具体实施方案的结构示意图;
图4a是本申请实施例所提供的一种从待识别对象中确定的目标实体对集合C1&D1的具体实施方案的结构示意图;
图4b为从待识别对象中确定的目标实体对集合C2&D2的具体结构示意图;
图5是本申请实施例提供的一种实体之间关系特征信息的确定装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例作进一步地详细描述。显然,所描述的实施例仅仅是本申请一个实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含的包括一个或者更多个该特征。而且,术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请实施例能够以除了在这里图示或描述以外的顺序实施。。此外,术语“包括”以及其的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或模块的方法、装置、产品或设备不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些方法、装置、产品或设备固有的其它步骤或模块。
请参阅图1,其所示为本申请实施例所提供的一种应用环境的示意图,包括服务器101和终端102,服务器101与终端102之间通过无线链路连接。其中,服务器101可以是台式电脑、笔记本电脑、手机、平板电脑等可以装载有实体之间关系特征信息的确定程序的设备。服务器101接收终端发送的任务请求,并解析该任务请求获取参考实体对,其中,上述任务请求包含待识别对象,服务器101根据参考实体对确定待识别对象中与参考实体对匹配的目标实体对集合,以及确定目标实体对集合中每个目标实体对包含的两个目标实体之间的相对方向信息和距离数据,并基于关系数据模型对相对方向信息和距离数据进行处理,得到每个目标实体对的关系数据,根据关系查询库对关系数据进行查询,得到每个目标实体对的关系特征信息。
下面基于上述应用场景介绍一种实体之间关系特征信息的确定方法的具体实施例,如图2,其所示为本申请实施例所提供的一种实体之间关系特征信息的确定方法的流程示意图,本说明书提供了如实施例或流程图所示的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多执行顺序中的一种方式,不代表唯一的执行顺序,在实际执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示,该方法包括:
S201:接收任务请求;任务请求包含待识别对象。
本申请实施例中,服务器接收终端传输的任务请求。上述任务请求所包含的对象可以包括但不限于图片信息或者数据信息。
S203:对任务请求进行解析,获取参考实体对。
本申请实施例中,服务器接收到任务请求后,需要对任务请求进行解析操作,解析出任务请求携带有的参考实体对。
S205:确定待识别对象中与参考实体对匹配的目标实体对集合。
本申请实施例中,服务器根据任务请求中的参考实体对,确定待识别对象中与参考实体对匹配的目标实体对集合。
一种可选的确定目标实体对集合的实施方式中,服务器对待识别对象进行实体识别,即语义分割,将待识别对象中的实体从背景中分离出来,得到实体集合,并根据实体集合和任务请求中的参考实体对确定目标实体对集合,即实例分割,确定待识别对象中的实体的实施级类别信息,其中,该实体集合包括目标实体对集合和非目标实体对集合。举个例子,服务器接收到的任务请求为确定含有小狗、人物甲和人物乙的图片中小狗距离人物甲更近还是距离人物乙更近,则对应的参考实体对为狗和人物,对应的待识别对象为图片,对应的实体集合为小狗、人物甲和人物乙,对应的目标实体对集合为小狗&人物甲、小狗&人物乙,对应的非目标实体对集合为人物甲&人物乙。
S207:确定目标实体对集合中每个目标实体对包含的两个目标实体之间的相对方向信息和距离数据。
本申请实施例中,服务器根据目标实体对集合确定每个目标实体对包含的两个目标实体之间的相对方向信息和距离数据。
一种可选的确定每个目标实体对包含的两个目标实体之间的相对方向信息和距离数据的实施方式中,服务器确定目标实体对包含的每个目标实体的定位点,并根据两个目标实体对应的两个定位点确定目标实体对的相对方向信息和距离数据。上述定位点可以是像素点、也可以是点云中的某一个点,还可以是目标实体的特征信息,比如,目标实体为人物,由于某因素造成图片中人物的手臂部分被遮挡,那么确定的目标实体的定位点可以是人物的头部、腹部或者其他未被遮挡的部位。在本申请实施例中,上述定位点还可以是每个目标实体的定位区域或者每个目标实体的目标边界框,需要说明的是,多个实体对集合中每个目标实体对中两个目标实体对应的两个定位区域的覆盖范围或者目标边界框的大小均是一致的。若定位点是每个目标实体的目标边界框,那么该目标边界框可以是包括目标实体全部内容的边界框,也可以是不包括实体全部内容的边界框,但是每个目标实体对中两个目标实体对应的两个目标边界框的包括内容是一致的,此外,目标边界框可以是圆形、长方形、三角形或长方体等任意一种规则边界框或者任意一种不规则边界框,但是在一个目标实体对中两个目标实体对应的两个目标边界框的形状是一致的。
另一种可选的确定每个目标实体对包含的两个目标实体之间的相对方向信息和距离数据的实施方式中,服务器确定目标实体对集合对应的坐标系,并确定每个目标实体对包含的两个目标实体在坐标系中的位置,以及确定目标实体对的相对方向信息和距离数据。
其中,上述坐标系包括但不限于二维坐标系、三维坐标系或四维坐标系,坐标系包括原点和方向轴。服务器确定目标实体对集合对应的坐标系,并确定目标实体对集合在对应的坐标系中,每个目标实体对包含的两个目标实体在坐标系中的位置,即每个目标实体相对于坐标系方向轴的方向隶属度集合和相对于坐标系原点的远近隶属度集合,并根据方向隶属度集合和/或远近隶属度集合确定每个目标实体对包含的两个目标实体之间的相对方向信息和距离数据。
S209:基于关系数据模型对相对方向信息和距离数据进行处理,得到每个目标实体对的关系数据。
本申请实施例中,服务器基于关系数据模型对相对方向信息和距离数据进行处理,得到每个目标实体对的关系数据。一种可选的基于关系数据模型对相对方向信息和距离数据进行处理的具体实施方式中,服务器基于关系数据模型对相对方向信息和距离数据进行处理,得到关系参数集合,并基于预设函数公式对关系参数集合进行处理,得到关系数据。其中,关系数据模型包括模糊矩阵、模糊集或模糊图中的任意一种。预设函数公式可以是分段函数、也可以是映射函数。
S211:根据关系查询库对关系数据进行查询,得到每个目标实体对的关系特征信息。
本申请实施例中,上述关系查询库是本领域技术人员根据实验数据或者经验数据预设的,上述关系特征信息包括静态关系特征信息,例如单一实体的模糊判断关系、多个实体的对比关系、多个实体的空间位置关系、多个实体间的相互作用关系以及其他未知且属于本申请实施例保护范围内的其他静态关系。此外上述关系特征信息还包括动态关系特征信息,例如多个实体中实体与实体之间的相对变化关系。
本申请实施例中,服务器得到每个目标实体对的关系特征信息,根据目标实体对中的目标实体和关系特征信息抽取为结构化格式,即,以<“目标实体1”-“关系特征信息”-“目标实体2”>存储。
采用本申请实施例所提供的一种实体之间关系特征信息的确定方法,通过确定目标实体之间的相对方向信息和距离数据,并基于关系数据模型、预设函数公式和关系查询库,确定目标实体对的关系特征信息。不仅能够明确实体时间的关系界定,还能够实现对场景的有效分析、认知与表达,辅助计算机以结构化的格式获悉更加丰富的场景理解信息,为实现计算机下一步操作的推理和决策奠定基础。
下面基于图2所提供的一种实体之间关系特征信息的确定方法,介绍几种实体之间关系特征信息的确定方法的具体实施方案。
一种确定实体之间关系特征信息的具体实施方案中,坐标系具体为三维坐标系,图中三维坐标系为空间坐标系。该空间坐标系包括第一方向轴、第二方向轴和第三方向轴,第一方向轴、第二方向轴和第三方向轴坐标轴两两垂直。其中,第一方向轴的单位正向量为第二方向轴的单位正向量为第方向轴的单位正向量为
具体地,如图3所示,任务请求为定性确定图中物体A和物体B的关系特征信息,该关系特征信息具体为物体B相对物体A的空间位置关系特征。
基于上述三维坐标系,服务器确定物体A对应的定位点为 (x1,y1,z1)=(0.31,-0.45,0.83),物体B对应的定位点为(x2,y2,z2)=(1.12,-0.28,1.24),得到物体A和物体B的定位点在该三维坐标系中的对应的向量为:物体A在该三维坐标系对应于第一方向轴的长度为kA=0.80,对应于第二方向轴的宽度为lA=0.40,对应于第三方向轴的高度为mA=0.55,物体B在该三维坐标系对应于第一方向轴的长度为kB=0.35,对应于第二方向轴的宽度为lB=0.20,对应于第三方向轴的高度为mB=0.80。
本申请实施例中,关系数据模型为模糊矩阵,
具体如下:
其中,
其中,R的第一行元素R1i(i=1,2,3)表示物体A和物体B的定位点在该三维坐标系中的对应的向量沿第一方向轴、第二方向轴、第三方向轴的方向隶属度集合,该方向隶属度集合具体为正向隶属度集合,当R1i(i=1,2,3) 的值越接近1表示物体A和物体B的定位点在该三维坐标系中的对应的向量指向于第一方向轴、第二方向轴和第三方向轴的正方向;R的第二行元素R2i(i=1,2,3)表示物体A和物体B的定位点在该三维坐标系中相对于第一方向轴、第二方向轴、第三方向轴的远近隶属度集合,该远近隶属度集合中的远近隶属度的值越接近1表示物体A和物体B的定位点在该三维坐标系中的对应的向量相对于第一方向轴、第二方向轴和第三方向轴的距离越近,特别地,当物体A和物体B的定位点在该三维坐标系中的对应的向量(a,b,c)中某一个值为0时,定义物体A和物体B的定位点在该三维坐标系中相对于该方向轴的远近隶属度值为1。
本申请实施例中,预设函数公式具体为:
key1=f1(max{R11,R12,R13})+f2(R2j)
其中,
关系数据为key1=25。
根据关系查询库:
dict={21:left and near,11:left and deside,25:right and near,
15:right and beside,22:under,12:below,26:on,
16:above,23:front and near,13:front and beside,
27:back and near,17:back and beside}
服务器将得到目标实体对物体A和物体B的关系特征信息抽取为结构化格式,该结构化格式定义为三元组结构<“物体B”—“相对物体A的空间位置关系特征”—“物体A”>,即<“物体B”—“right and near”—“物体A”>”。
另一种确定实体之间关系特征信息的具体实施方案中,坐标系具体为二维坐标系,图中二维坐标系为平面坐标系。该平面坐标系包括第一方向轴和第二方向轴,第一方向轴和第二方向轴垂直。其中,第一方向轴的单位正向量为第二方向轴的单位正向量为
具体地,如图4a和图4b所示,任务请求为定性确定物体C和物体D 的关系特征信息,该关系特征信息具体为物体C与物体D的相对变化关系。本申请实施例中,图4a和图4b为从待识别对象中确定的目标实体对集合 C1&D1、C2&D2的具体结构示意图。图中,C1对应的位置坐标为(x3,y3), D1对应的位置坐标为(x4,y4),得到物体C1和物体D1的位置坐标在该二维坐标系中的对应的向量为:
本申请实施例中,关系数据模型为模糊矩阵,
具体如下:
其中,
其中,R的第一行元素R1i(i=1,2)表示物体C1和物体D1的位置坐标在该二维坐标系中的对应的向量沿第一方向轴、第二方向轴的方向隶属度集合,该方向隶属度集合具体为正向隶属度集合,当R1i(i=1,2)的值越接近1表示物体C1和物体D1的位置坐标在该二维坐标系中的对应的向量指向于第一方向轴和第二方向轴的正方向;R的第二行元素R2i(i=1,2) 表示物体C1和物体D1的位置坐标在该二维坐标系中相对于第一方向轴、第二方向轴的远近隶属度集合,该远近隶属度集合中的远近隶属度的值越接近1表示物体C1和物体D1的位置坐标在该二维坐标系中的对应的向量相对于第一方向轴和第二方向轴的距离越近,特别地,当物体C1和物体D1的位置坐标在该二维坐标系中的对应的向量(a,b)中某一个值为0 时,定义物体C1和物体D1的位置坐标在该二维坐标系中相对于该方向轴的远近隶属度值为1。
本申请实施例中,预设函数公式具体为:
其中,
p.R2j表示物体C1和物体D1的位置坐标在该二维坐标系中对应的关系参数集合;q.R2j表示物体C2和物体D2的位置坐标在该二维坐标系中对应的关系参数集合。
基于上述二维坐标系、目标实体对C1&D1、C2&D2,关系数据模型和预设函数公式,服务器确定物体C和物体D的定位点在该二维坐标系中的关系数据为key2=0。
根据关系查询库:
dict={0:move on,1:move back}
服务器将得到目标实体对物体C和物体D的关系特征信息抽取为结构化格式,该结构化格式定义为三元组结构<“物体C”—“相对物体D的相对变化关系”—“物体D”>,即<“物体C”—“move on”—“物体D”>”。
此处所称的“实施例”是指可包含于本申请至少一个实现方式中的特定特征、结构或特性。在本申请实施例的描述中,需要理解的是,术语“上”、“下”、“左”、“右”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
本申请实施例还提供的一种实体之间关系特征信息的确定装置,图6是本申请实施例提供的一种实体之间关系特征信息的确定装置的结构示意图,如图5所示,该装置包括:
接收模块501接收任务请求;任务请求包含待识别对象;
获取模块503对任务请求进行解析,获取参考实体对;
第一确定模块505确定待识别对象中与参考实体对匹配的目标实体对集合;
第二确定模块507确定目标实体对集合中每个目标实体对包括的两个目标实体之间的相对方向信息和距离数据;
处理模块509基于关系数据模型对相对方向信息和距离数据进行处理,得到每个目标实体对的关系数据;
查询模块511根据关系查询库对关系数据进行查询,得到每个目标实体对的关系特征信息。
本申请实施例中的装置与方法实施例基于同样的申请构思。
本申请实施例还提供的一种电子设备,电子设备可设置于服务器之中以保存用于实现方法实施例中的一种实体之间关系特征信息的确定方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该存储器加载并执行以实现上述的实体之间关系特征信息的确定方法。
本申请实施例还提供的一种存储介质,存储介质可设置于服务器之中以保存用于实现方法实施例中一种实体之间关系特征信息的确定方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述实体之间关系特征信息的确定方法。
可选的,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于包括:U盘、只读存储器(ROM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
由上述本申请提供的实体之间关系特征信息的确定方法、装置、电子设备或存储介质的实施例可见,本申请中方法包括接收任务请求;任务请求包含待识别对象,对任务请求进行解析,获取参考实体对,确定待识别对象中与参考实体对匹配的目标实体对集合,确定目标实体对集合中每个目标实体对包含的两个目标实体之间的相对方向信息和距离数据,基于关系数据模型对相对方向信息和距离数据进行处理,得到每个目标实体对的关系数据,根据关系查询库对关系数据进行查询,得到每个目标实体对的关系特征信息。基于本申请实施例,通过确定目标实体之间的相对方向信息和距离数据,并基于关系数据模型、预设函数公式和关系查询库,确定目标实体对的关系特征信息。不仅能够明确实体时间的关系界定,还能够实现对场景的有效分析、认知与表达,辅助计算机以结构化的格式获悉更加丰富的场景理解信息,为实现计算机下一步操作的推理和决策奠定基础。
需要说明的是:上述本申请实施例的先后顺序仅仅为了描述,不代表实施例的优劣,且上述本说明书对特定的实施例进行了描述,其他实施例也在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或者步骤可以按照不同的实施例中的顺序来执行并且能够实现预期的结果。另外,在附图中描绘的过程不一定要求示出特定顺序或者而连接顺序才能够实现期望的结果,在某些实施方式中,多任务并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的均为与其他实施例的不同之处。尤其,对于装置的实施例而言,由于其基于相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种实体之间关系特征信息的确定方法,其特征在于,包括:
接收任务请求;所述任务请求包含待识别对象;
对所述任务请求进行解析,获取参考实体对;
确定所述待识别对象中与所述参考实体对匹配的目标实体对集合;
确定所述目标实体对集合中每个目标实体对包含的两个目标实体之间的相对方向信息和距离数据;
基于关系数据模型对所述相对方向信息和所述距离数据进行处理,得到所述每个目标实体对的关系数据;
根据关系查询库对所述关系数据进行查询,得到所述每个目标实体对的关系特征信息。
2.根据权利要求1所述的方法,其特征在于,所述基于关系数据模型对所述相对方向信息和所述距离数据进行处理,得到所述每个目标实体对的关系数据,包括:
基于所述关系数据模型对所述相对方向信息和所述距离数据进行处理,得到关系参数集合;
基于预设函数公式对所述关系参数集合进行处理,得到所述关系数据。
3.根据权利要求1所述的方法,其特征在于,所述确定所述待识别对象中与所述参考实体对匹配的目标实体对集合,包括:
对所述待识别对象进行实体识别,得到实体集合;
根据所述参考实体对从所述实体集合中确定目标实体对集合。
4.根据权利要求1所述的方法,其特征在于,所述确定所述目标实体对集合中每个目标实体对包含的两个目标实体之间的相对方向信息和距离数据,包括:
确定所述目标实体对包含的每个目标实体的定位点;
根据所述目标实体对包含的两个目标实体对应的两个定位点,确定所述目标实体对的相对方向信息和距离数据。
5.根据权利要求1所述的方法,其特征在于,所述确定所述目标实体对集合中每个目标实体对包含的两个目标实体之间的相对方向信息和距离数据,包括:
确定所述目标实体对集合对应的坐标系;
确定所述每个目标实体对包含的两个目标实体在所述坐标系中的位置;
基于所述位置确定所述目标实体对的相对方向信息和距离数据。
6.根据权利要求5所述的方法,其特征在于,所述坐标系包括但不限于二维坐标系、三维坐标系或四维坐标系。
7.根据权利要求1所述的方法,其特征在于,所述关系数据模型包括模糊矩阵、模糊集或模糊图中的任意一种。
8.一种实体之间关系特征信息的确定装置,其特征在于,包括:
接收模块,用于接收任务请求;所述任务请求包含待识别对象;
获取模块,用于对所述任务请求进行解析,获取参考实体对;
第一确定模块,用于确定所述待识别对象中与所述参考实体对匹配的目标实体对集合;
第二确定模块,用于确定所述目标实体对集合中每个目标实体对包括的两个目标实体之间的相对方向信息和距离数据;
处理模块,用于基于关系数据模型对所述相对方向信息和所述距离数据进行处理,得到所述每个目标实体对的关系数据;
查询模块,用于根据关系查询库对所述关系数据进行查询,得到所述每个目标实体对的关系特征信息。
9.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现权利要求1-7任意一项所述实体之间关系特征信息的确定方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-7任意一项所述实体之间关系特征信息的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911028767.4A CN110928959B (zh) | 2019-10-28 | 2019-10-28 | 一种实体之间关系特征信息的确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911028767.4A CN110928959B (zh) | 2019-10-28 | 2019-10-28 | 一种实体之间关系特征信息的确定方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110928959A true CN110928959A (zh) | 2020-03-27 |
CN110928959B CN110928959B (zh) | 2023-04-28 |
Family
ID=69849661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911028767.4A Active CN110928959B (zh) | 2019-10-28 | 2019-10-28 | 一种实体之间关系特征信息的确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110928959B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112269925A (zh) * | 2020-10-19 | 2021-01-26 | 北京百度网讯科技有限公司 | 一种获取地理位置点信息的方法和装置 |
CN112699667A (zh) * | 2020-12-29 | 2021-04-23 | 京东数字科技控股股份有限公司 | 一种实体相似度确定方法、装置、设备和存储介质 |
CN112866579A (zh) * | 2021-02-08 | 2021-05-28 | 上海巡智科技有限公司 | 数据采集方法、装置及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080235216A1 (en) * | 2007-03-23 | 2008-09-25 | Ruttenberg Steven E | Method of predicitng affinity between entities |
US20180336700A1 (en) * | 2017-05-22 | 2018-11-22 | Alibaba Group Holding Limited | Image capture direction recognition method and server, surveillance method and system and image capture device |
CN110246163A (zh) * | 2019-05-17 | 2019-09-17 | 联想(上海)信息技术有限公司 | 图像处理方法及其装置、设备、计算机存储介质 |
-
2019
- 2019-10-28 CN CN201911028767.4A patent/CN110928959B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080235216A1 (en) * | 2007-03-23 | 2008-09-25 | Ruttenberg Steven E | Method of predicitng affinity between entities |
US20180336700A1 (en) * | 2017-05-22 | 2018-11-22 | Alibaba Group Holding Limited | Image capture direction recognition method and server, surveillance method and system and image capture device |
CN110246163A (zh) * | 2019-05-17 | 2019-09-17 | 联想(上海)信息技术有限公司 | 图像处理方法及其装置、设备、计算机存储介质 |
Non-Patent Citations (1)
Title |
---|
叶亚琴等: "基于成分关联区域相似度的面实体模糊匹配算法", 《地球科学(中国地质大学学报)》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112269925A (zh) * | 2020-10-19 | 2021-01-26 | 北京百度网讯科技有限公司 | 一种获取地理位置点信息的方法和装置 |
CN112269925B (zh) * | 2020-10-19 | 2024-03-22 | 北京百度网讯科技有限公司 | 一种获取地理位置点信息的方法和装置 |
CN112699667A (zh) * | 2020-12-29 | 2021-04-23 | 京东数字科技控股股份有限公司 | 一种实体相似度确定方法、装置、设备和存储介质 |
CN112699667B (zh) * | 2020-12-29 | 2024-05-21 | 京东科技控股股份有限公司 | 一种实体相似度确定方法、装置、设备和存储介质 |
CN112866579A (zh) * | 2021-02-08 | 2021-05-28 | 上海巡智科技有限公司 | 数据采集方法、装置及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110928959B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764048B (zh) | 人脸关键点检测方法及装置 | |
US10580206B2 (en) | Method and apparatus for constructing three-dimensional map | |
EP3502621B1 (en) | Visual localisation | |
CN110928959A (zh) | 一种实体之间关系特征信息的确定方法、装置、电子设备及存储介质 | |
CN110648397B (zh) | 场景地图生成方法、装置、存储介质及电子设备 | |
US20140064624A1 (en) | Systems and methods for estimating the geographic location at which image data was captured | |
CN112927353B (zh) | 基于二维目标检测和模型对齐的三维场景重建方法、存储介质及终端 | |
EP2927827B1 (en) | Program, apparatus, and method for managing structure data | |
Han et al. | Line-based initialization method for mobile augmented reality in aircraft assembly | |
CN114063098A (zh) | 多目标跟踪方法、装置、计算机设备和存储介质 | |
CN110263209A (zh) | 用于生成信息的方法和装置 | |
CN115661371B (zh) | 三维对象建模方法、装置、计算机设备及存储介质 | |
CN108597034B (zh) | 用于生成信息的方法和装置 | |
CN111105459A (zh) | 描述子地图生成方法、定位方法、装置、设备和存储介质 | |
CN113793370B (zh) | 三维点云配准方法、装置、电子设备及可读介质 | |
CN112270242B (zh) | 轨迹的显示方法、装置、可读介质和电子设备 | |
CN113379826A (zh) | 物流件的体积测量方法以及装置 | |
CN111079535A (zh) | 一种人体骨架动作识别方法、装置及终端 | |
US11961256B2 (en) | Method for indoor localization using deep learning | |
CN106354263A (zh) | 基于面部特征追踪的实时人机交互系统及其工作方法 | |
CN111382650B (zh) | 商品购物处理系统、方法、装置及电子设备 | |
WO2021164688A1 (en) | Methods for localization, electronic device and storage medium | |
Jang et al. | Two-Phase Approach for Monocular Object Detection and 6-DoF Pose Estimation | |
CN114219832B (zh) | 人脸跟踪方法、装置及计算机可读存储介质 | |
CN115455227B (zh) | 图形界面的元素搜索方法及电子设备、存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |