图像标签生成方法、装置、设备和计算机可读介质
技术领域
本公开的实施例涉及计算机技术领域,具体涉及图像标签生成方法、装置、设备和计算机可读介质。
背景技术
随着人工智能技术的发展,人们开始使用人工智能技术进行图像识别。但是在现阶段的一些图像识别中,由于图像识别模型的识别能力有限,对一些图像的识别存在困难,不能进行准确的识别。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了图像标签生成方法、装置、设和计算机可读介质,来解决以上背景技术部分提到的技术问题。
第一方面,本公开的一些实施例提供了一种图像标签生成方法,该方法包括:获取目标图像以及目标图像对应的目标文本;生成目标图像的特征向量;基于目标文本,生成词向量集合;基于特征向量和词向量集合,确定与目标图像适配的词,得到图像标签。
第二方面,本公开的一些实施例提供了一种图像标签生成装置,装置包括:获取单元,配置用于获取目标图像以及目标图像对应的目标文本;第一生成单元,配置用于生成目标图像的特征向量;第二生成单元,配置用于基于目标文本,生成词向量集合;确定单元,配置用于基于特征向量和词向量集合,确定与目标图像适配的词,得到图像标签。
第三方面,本公开的一些实施例提供了一种电子设备,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如第一方面中任一实现方式描述的方法。
第四方面,本公开的一些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,其中,程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的上述各个实施例中的一个实施例具有如下有益效果:通过利用与目标图像相关的文本信息,为图像生成标签,使后续的图像识别模型可以更准确的识别图像。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1是本公开的一些实施例的图像标签生成方法的一个应用场景的示意图;
图2是根据本公开的图像标签生成方法的一些实施例的流程图;
图3是根据本公开的图像标签生成方法的另一些实施例的流程图;
图4是根据本公开的图像标签生成装置的一些实施例的结构示意图;
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
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。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是本公开的一些实施例的图像标签生成方法的一个应用场景的示意图。
在图1所示的应用场景中,首先,计算设备101可以获取目标图像以及目标图像对应的目标文本102。作为示例,如果上述目标图像来自于网页,那么上述目标文本可以是与上述目标图像在同一网页中的文本。之后,计算设备101可以将上述目标图像输入到特征提取网络103中,生成上述目标图像的特征向量104。再之后,计算设备101可以对上述目标文本进行切分,生成词集合105。对上述词集合中的每个词进行查询,生成词向量集合106。下一步,计算设备101将上述特征向量104和上述词向量集合106确定为概率图模型107的节点。计算设备101通过在概率图模型上运行置信传播算法,确定与上述目标图像适配的词向量108。最后,计算设备101输出上述词向量108表示的词109作为图像标签。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或电子设备组成的分布式集群,也可以实现成单个服务器或单个电子设备。当计算设备体现为软件时,可以实现成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中的计算设备数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
继续参考图2,示出了根据本公开的图像标签生成方法的一些实施例的流程200。该图像标签生成方法,包括以下步骤:
步骤201,获取目标图像以及目标图像对应的目标文本。
在一些实施例中,图像标签生成方法的执行主体(例如图1所示的计算设备101)可以通过网页、计算机软件、手机软件、本地存储等媒介获取上述目标图像以及上述目标图像对应的目标文本。
在一些实施例中,上述目标图像对应的目标文本可以是表征上述目标图像显示内容的文本。
步骤202,生成目标图像的特征向量。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过将上述目标图像输入到特征提取网络中,生成目标图像的特征向量。
在一些实施例中,还可以查询的方式生成目标图像的特征向量。具体的步骤为:首先通过人工标注得到图像对应的词;之后,对上述词进行查询,得到词对应的词向量。将上述词向量确定为目标图像的特征向量。
步骤203,基于目标文本,生成词向量集合。
在一些实施例的一些可选的实现方式中,上述执行主体可以首先将上述目标文本进行切分,生成词集合;之后,上述执行主体可以将上述词集合中的每个词向量化,生成上述词向量集合。
在一些实施例中,上述执行主体还可以首先按照出现次数由高到低的顺序,确定上述目标文本中出现次数的第一数目个词;之后,上述执行主体可以将上述第一数目个词中的每个词向量化,生成上述词向量集合。
步骤204,基于特征向量和词向量集合,确定与目标图像适配的词,得到图像标签。
在一些实施例的一些可选的实现方式中,上述基于特征向量和词向量集合,确定与目标图像适配的词,得到图像标签,可以包括:确定上述节点的联合概率;基于上述节点的联合概率和置信传播算法,确定每个节点的边缘概率;按照边缘概率由高到低的顺序从上述节点中选取第一数目个节点;基于上述第一数目个节点对应的词,生成图像标签。上述执行主体可以首先将上述特征向量和词向量集合、确定为概率图模型中的节点;之后,在上述概率图模型上执行置信传播算法,确定与目标图像适配的词,得到图像标签。
在一些实施例中,上述执行主体还可以首先确定上述词向量集合中的词向量和特征向量的相似度;之后,按照上述相似度由高到低的顺序,确定相似度的第一数目个词向量;以及将第一数目个词向量所表示的词确定为与上述目标图像适配的词,得到图像标签。其中,作为示例,上述相似度可以是通过确定上述词向量中的分量和特征向量相同位置的分量相同的个数确定的。
本公开的一些实施例提供的方法通过利用与目标图像相关的文本信息,为图像生成标签,使图像识别模型可以更准确的识别图像。
进一步参考图3,其示出了图像标签生成方法的另一些实施例的流程300。该图像标签生成方法的流程300,包括以下步骤:
步骤301,获取目标图像以及目标图像对应的目标文本。
在一些实施例中,图像标签生成方法的执行主体(例如图1所示的计算设备101)可以通过网页、计算机软件、手机软件、本地存储等媒介获取上述目标图像以及上述目标图像对应的目标文本。
步骤302,将目标图像输入到特征提取网络中,生成目标图像的特征向量。
在一些实施例中,上述特征提取网络可以包括循环神经网络、卷积神经网络、前馈神经网络等等。
步骤303,将目标文本进行切分,生成词集合。
在一些实施例中,将目标文本进行切分可以是使用人工切分的方式,从而生成词集合。
在另一些实施例中,将目标文本进行切分还可以是利用预先训练好的切词模型完成的。
步骤304,将词集合中的每个词向量化,生成词向量集合。
在一些实施例中,上述执行主体可以对词集合中的每个词进行查询,得到词向量集合。具体的,上述执行主体可以首先确定词嵌入模型;之后,将上述词集合中的每个词输入到上述词嵌入模型,得到每个词的词向量,进一步生成词向量集合。其中,上述词嵌入模型可以是预先训练好的词嵌入模型,也可以是上述执行主体训练的词嵌入模型。
步骤305,基于特征向量和词向量集合,确定与目标图像适配的词,得到图像标签。
在一些实施例的一些可选的实现方式中,上述执行主体可以利用概率图模型和置信传播算法实现该步骤的内容。
在一些实施例的一些可选的实现方式中,上述概率图模型可以是通过以下步骤生成的:
步骤一,将上述特征向量和词向量集合中的词向量确定为上述概率图模型中的节点。
步骤二,确定上述节点中每两个节点之间的距离。
步骤三,将距离小于预设值的节点连接起来,生成上述概率图模型中的边。
步骤四,将节点之间的距离确定为上述边的权重。
在此基础上,在一些实施例的一些可选的实现方式中,上述基于特征向量和词向量集合,确定与目标图像适配的词,得到图像标签,包括以下步骤:
步骤一,确定上述节点的联合概率。
在一些实施例中,上述联合概率可以是图像对应的文本出现的概率。
步骤二,基于节点的联合概率和置信传播算法,确定每个节点的边缘概率。
步骤三,按照边缘概率由高到低的顺序从节点中选取第一数目个节点。
步骤四,基于上述第一数目个节点对应的词,生成图像标签。
从图3中可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的对话语音生成方法的流程300体现了生成词向量集合的步骤。由此,这些实施例描述的方案可以对从目标文本中提取的每个词生成词向量,使得目标文本的信息得以充分利用,从而为图像生成更准确的标签。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了一种图像标签生成装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,一些实施例的图像标签生成装置400包括:获取单元401、第一生成单元402、第二生成单元403和确定单元404。其中,获取单元401配置用于获取目标图像以及目标图像对应的目标文本;第一生成单元402配置用于生成目标图像的特征向量;第二生成单元403配置用于基于目标文本,生成词向量集合;确定单元404配置用于基于特征向量和词向量集合,确定与目标图像适配的词,得到图像标签。
在一些实施例的可选实现方式中,第一生成单元402进一步被配置成:将目标图像输入到特征提取网络中,生成目标图像的特征向量。
在一些实施例的可选实现方式中,第二生成单元403进一步被配置成:将目标文本进行切分,生成词集合;将词集合中的每个词向量化,生成词向量集合。
在一些实施例的可选实现方式中,确定单元404是基于置信传播算法实现的;以及置信传播算法是基于概率图模型实现的。
在一些实施例的可选实现方式中,上述概率图模型是通过以下步骤生成的:把特征向量和词向量集合中的词向量确定为概率图模型中的节点;确定节点中每两个节点之间的距离;将距离小于预设值的节点连接起来,生成概率图模型中的边;将节点之间的距离确定为边的权重。
在一些实施例的可选实现方式中,确定单元404进一步被配置成:确定节点的联合概率;基于节点的联合概率和置信传播算法,确定每个节点的边缘概率;按照边缘概率由高到低的顺序从节点中选取第一数目个节点;基于第一数目个节点对应的词,生成图像标签。
可以理解的是,该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元,在此不再赘述。
下面参考图5,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的服务器或终端设备)500的结构示意图。本公开的一些实施例中的计算设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备/终端设备/服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,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,本公开的一些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。在这样的一些实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例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。在本公开的一些实施例中,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。而在本公开的一些实施例中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。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电子设备执行时,使得该电子设备:获取目标图像以及目标图像对应的目标文本;生成目标图像的特征向量;基于目标文本,生成词向量集合;基于特征向量和词向量集合,确定与目标图像适配的词,得到图像标签。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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。
描述于本公开的一些实施例中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、第一生成单元、第二生成单元和确定单元。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,第一生成单元还可以被描述为“生成特征向量的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
根据本公开的一个或多个实施例,提供了一种图像标签生成方法,包括:获取目标图像以及目标图像对应的目标文本;生成目标图像的特征向量;基于目标文本,生成词向量集合;基于特征向量和词向量集合,确定与目标图像适配的词,得到图像标签。
根据本公开的一个或多个实施例,生成目标图像的特征向量,包括:将目标图像输入到特征提取网络中,生成目标图像的特征向量。
根据本公开的一个或多个实施例,基于目标文本,生成词向量集合,包括:将目标文本进行切分,生成词集合;将词集合中的每个词向量化,生成词向量集合。
根据本公开的一个或多个实施例,基于特征向量和词向量集合,确定与目标图像适配的词,包括:采用置信传播算法,基于特征向量和词向量集合,确定与目标图像适配的词,其中,上述置信传播算法是基于概率图模型实现的。
根据本公开的一个或多个实施例,概率图模型是通过以下步骤生成的:把特征向量和词向量集合中的词向量确定为概率图模型中的节点;确定节点中每两个节点之间的距离;将距离小于预设值的节点连接起来,生成概率图模型中的边;将节点之间的距离确定为边的权重。
根据本公开的一个或多个实施例,提供了一种图像标签生成装置,包括:获取单元,配置用于获取目标图像以及目标图像对应的目标文本;第一生成单元,配置用于生成目标图像的特征向量;第二生成单元,配置用于基于目标文本,生成词向量集合;确定单元,配置用于基于特征向量和词向量集合,确定与目标图像适配的词,得到图像标签。
根据本公开的一个或多个实施例,第一生成单元进一步被配置成:将目标图像输入到特征提取网络中,生成目标图像的特征向量。
根据本公开的一个或多个实施例,第二生成单元进一步被配置成:将目标文本进行切分,生成词集合;将词集合中的每个词向量化,生成词向量集合。
根据本公开的一个或多个实施例,确定单元进一步被配置成:采用置信传播算法,基于特征向量和词向量集合,确定与目标图像适配的词,其中,上述置信传播算法是基于概率图模型实现的。
根据本公开的一个或多个实施例,上述概率图模型是通过以下步骤生成的:把特征向量和词向量集合中的词向量确定为概率图模型中的节点;确定节点中每两个节点之间的距离;将距离小于预设值的节点连接起来,生成概率图模型中的边;将节点之间的距离确定为边的权重。
根据本公开的一个或多个实施例,确定单元进一步被配置成:确定节点的联合概率;基于节点的联合概率和置信传播算法,确定每个节点的边缘概率;按照边缘概率由高到低的顺序从节点中选取第一数目个节点;基于第一数目个节点对应的词,生成图像标签。
根据本公开的一个或多个实施例,提供了一种电子设备,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如上述任一的方法。
根据本公开的一个或多个实施例,提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如上述任一的方法。
以上描述仅为本公开的一些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,本公开的实施例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。例如上述特征与本公开的实施例中公开的(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。