CN111950591B - 模型训练方法、交互关系识别方法、装置及电子设备 - Google Patents
模型训练方法、交互关系识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111950591B CN111950591B CN202010659501.6A CN202010659501A CN111950591B CN 111950591 B CN111950591 B CN 111950591B CN 202010659501 A CN202010659501 A CN 202010659501A CN 111950591 B CN111950591 B CN 111950591B
- Authority
- CN
- China
- Prior art keywords
- information
- image
- training
- pair
- 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.)
- Active
Links
Classifications
-
- 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
-
- 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
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
- G06F18/21348—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis overcoming non-stationarity or permutations
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种模型训练方法、交互关系识别方法、装置及电子设备,涉及数据处理技术领域。该方法包括:提取图像样本集合中的每个样本图像的第一特征信息对;将从图像样本集合中提取的多个第一特征信息对中的第一对象信息和第二对象信息进行组合,得到多个第二特征信息对和对应的第二标签信息;根据训练样本集合进行模型训练,得到交互关系识别模型,该训练样本集合包括提取到的所有第一特征信息对和对应的第一标签信息,以及至少一个第二特征信息对和对应的第二标签信息,该交互关系识别模型用于识别图像中的各对象的交互关系。该方法通过组合不同对象特征的方式获取更多交互特征样本来训练模型,提高了模型对图像中交互关系的识别准确度。
Description
技术领域
本申请属于图像识别技术领域,尤其涉及交互关系识别模型的训练方法、交互关系识别方法、交互关系识别模型的训练装置、交互关系识别装置、电子设备及存储介质。
背景技术
随着科技的发展,图像识别技术被越来越广泛的使用。图像识别技术可以用于识别图像中的对象,并且可以用于识别图像中的对象间的交互关系(例如人-物交互关系,比如人骑车)。
目前,可以通过深度学习的方式来训练模型,得到交互关系识别模型,相应地可以通过训练后得到的交互关系识别模型对图像中的对象间的交互关系进行识别。例如,以人-物交互关系识别为举例说明,人-物交互关系的描述可以由谓词(即人的动作)和对象(即与人交互的对象)组成,比如吃苹果,其中谓词为吃,对象为苹果。相关技术中,可以采集大量的样本图像,并针对每个图像,提取其中的谓词和对象特征并将谓词和对象特征进行组合,得到对应的人-物交互特征,然后采用这样的人物交互特征进行模型训练。
然而,由于很多交互关系在实际场景中不常见,使得采集的用于模型训练的对象间交互特征(例如人-物交互特征)的样本数据分布不均衡,即,常见对象间交互特征的样本数据比较多,而不常见的对象间交互特征比较少。采用这样的样本数据进行模型训练,会影响训练得到的交互关系识别模型的识别效果。例如,如果通过这样的交互关系识别模型识别图像,那么很可能对于某些图像的交互特征识别不出来,或者识别结果有误,如此导致识别准确度较低。
发明内容
本申请实施例提供一种交互关系识别模型的训练方法、交互关系识别方法、装置、电子设备及存储介质,可以解决相关技术中由于样本数据分布不均衡,导致训练得到的识别模型对图像中交互关系的识别准确度较低的问题。
为了解决上述技术问题,本申请采用的技术方案是:
第一方面,本申请实施例提供了一种交互关系识别模型的训练方法,包括:
提取图像样本集合中的每个样本图像的第一特征信息对,所述第一特征信息对包括与第一对象对应的第一对象信息以及与第二对象对应的第二对象信息,所述图像样本集合包括多个样本图像以及每个图像样本的第一特征信息对所对应的第一标签信息,所述第一标签信息用于描述样本图像中的第一对象和第二对象的交互关系;
将从所述图像样本集合中提取的多个第一特征信息对中的第一对象信息和第二对象信息进行组合,得到多个第二特征信息对和每个第二特征信息对所对应的第二标签信息,每个第二特征信息对中的第一对象信息和第二对象信息分别来自不同的第一特征信息对,所述第二标签信息用于描述样本图像中的第一对象和第二对象的交互关系;
根据训练样本集合对初始模型进行训练,得到交互关系识别模型,所述训练样本集合包括提取到的所有第一特征信息对和每个第一特征信息对所对应的第一标签信息,以及至少一个第二特征信息对和每个第二特征信息对所对应的第二标签信息,所述交互关系识别模型用于识别图像中的各对象的交互关系。
在第一方面的一种可能的实现方式中,所述第一对象信息包括谓词信息,所述谓词信息用于表示所述第一对象的动作;所述第二对象信息包括对象类别信息,所述对象类别信息用于表示所述第二对象的类别。
在第一方面的一种可能的实现方式中,所述提取图像样本集合中的每个样本图像的第一特征信息对,包括:
将所述图像样本集合中的每个样本图像输入第一对象检测模型,检测出每个样本图像中所述第一对象的第一对象框和所述第二对象的第二对象框,所述第一对象框对应所述第一对象信息,所述第二对象框对应所述第一对象信息,所述第一对象检测模型用于检测样本图像中的对象;
根据所述第一对象框和所述第二对象框,提取与所述第一对象框对应的第一对象信息以及与所述第二对象框对应的第二对象信息,得到所述第一特征信息对。
在第一方面的一种可能的实现方式中,在所述根据训练样本集合对初始模型进行训练,得到交互关系识别模型之前,所述方法还包括:
将所述训练样本集合中的标签信息与预设的标签信息集进行对比;
将所述训练样本集合中,与所述标签信息集中的标签信息相同的标签信息,确定为训练样本子集合;
所述根据训练样本集合对所述初始模型进行训练,得到所述交互关系识别模型,包括:
根据所述训练样本子集合对初始模型进行训练,得到交互关系识别模型。
第二方面,本申请实施例提供了一种交互关系识别方法,包括:
获取待识别图像;
提取所述待识别图像中的第三特征信息对,所述第三特征信息对包括与第三对象对应的第三对象信息以及与第四对象对应的第四对象信息,所述第三对象和所述第四对象为所述待识别图像中的对象;
将所述第三特征信息对输入交互关系识别模型,输出得到所述第三特征信息对所对应的第三标签信息,所述第三标签信息用于描述所述待识别图像中的各对象的交互关系,所述交互关系识别模型为通过上述第一方面所述的方法训练得到的模型。
在第二方面的一种可能的实施方式中,所述提取所述待识别图像中的第三特征信息对,包括:
将所述待识别图像输入第二对象检测模型;
检测出所述待识别图像中的第三对象框和第四对象框,所述第三对象框对应所述第三对象,所述第四对象框对应所述第四对象;
根据所述第三对象框和所述第四对象框,提取与所述第三对象框对应的所述第三对象信息以及与所述第四对象框对应的所述第四对象信息,得到所述第三特征信息对。
在第二方面的一种可能的实施方式中,在所述输出得到所述第三特征信息对所对应的第三标签信息之后,所述方法还包括:
将所述第三标签信息和所述待识别图像关联存储。
第三方面,本申请实施例提供了一种交互关系识别模型的训练装置,所述装置包括第一检测模块、组合模块和训练模块;
所述第一检测模块,用于提取图像样本集合中的每个样本图像的第一特征信息对,所述第一特征信息对包括与第一对象对应的第一对象信息以及与第二对象对应的第二对象信息,所述图像样本集合包括多个样本图像以及每个图像样本的第一特征信息对所对应的第一标签信息,所述第一标签信息用于描述样本图像中的第一对象和第二对象的交互关系;
所述组合模块,用于将所述第一检测模块提取的从所述图像样本集合中提取的多个第一特征信息对中的第一对象信息和第二对象信息进行组合,得到多个第二特征信息对和每个第二特征信息对所对应的第二标签信息,每个第二特征信息对中的第一对象信息和第二对象信息分别来自不同的第一特征信息对,所述第二标签信息用于描述样本图像中的第一对象和第二对象的交互关系;
所述训练模块,用于根据训练样本集合对初始模型进行训练,得到交互关系识别模型,所述训练样本集合包括所述第一检测模块提取到的所有第一特征信息对和每个第一特征信息对所对应的第一标签信息,以及所述组合模块组合得到的至少一个第二特征信息对和每个第二特征信息对所对应的第二标签信息,所述交互关系识别模型用于识别图像中的各对象的交互关系。
在第三方面的一种可能的实施方式中,所述第一对象信息包括谓词信息,所述谓词信息用于表示所述第一对象的动作;所述第二对象信息包括对象类别信息,所述对象类别信息用于表示所述第二对象的类别。
在第三方面的一种可能的实施方式中,所述第一检测模块,具体用于将所述图像样本集合中的每个样本图像输入第一对象检测模型,检测出每个样本图像中所述第一对象的第一对象框和所述第二对象的第二对象框,并根据所述第一对象框和所述第二对象框,提取与所述第一对象框对应的第一对象信息以及与所述第二对象框对应的第二对象信息,得到所述第一特征信息对;
其中,所述第一对象框对应所述第一对象信息,所述第二对象框对应所述第一对象信息,所述第一对象检测模型用于检测样本图像中的对象。
在第三方面的一种可能的实施方式中,所述装置还包括第一处理模块;
所述第一处理模块,用于在所述训练模块根据训练样本集合对初始模型进行训练,得到交互关系识别模型之前,将所述训练样本集合中的标签信息与预设的标签信息集进行对比;并将所述训练样本集合中,与所述标签信息集中的标签信息相同的标签信息,确定为训练样本子集合;
所述训练模块,具体用于根据所述训练样本子集合对所述初始模型进行训练,得到所述交互关系识别模型。
第四方面,本申请实施例提供了一种交互关系识别装置,所述装置包括获取模块、第二检测模块和识别模块;
所述获取模块,用于获取待识别图像;
所述第二检测模块,用于提取所述获取模块获取的所述待识别图像中的第三特征信息对,所述第三特征信息对包括与第三对象对应的第三对象信息以及与第四对象对应的第四对象信息,所述第三对象和所述第四对象为所述待识别图像中的对象;
所述识别模块,用于将所述第二检测模块提取的所述第三特征信息对输入交互关系识别模型,输出得到所述第三特征信息对所对应的第三标签信息,所述第三标签信息用于描述所述待识别图像中的各对象的交互关系,所述交互关系识别模型为通过上述第三方面所述的装置训练得到的模型。
在第四方面的一种可能的实施方式中,所述第二检测模块,具体用于将所述待识别图像输入第二对象检测模型;并检测出所述待识别图像中的第三对象框和第四对象框,所述第三对象框对应所述第三对象,所述第四对象框对应所述第四对象;并根据所述第三对象框和所述第四对象框,提取与所述第三对象框对应的所述第三对象信息以及与所述第四对象框对应的所述第四对象信息,得到所述第三特征信息对。
在第四方面的一种可能的实施方式中,所述装置还包括第二处理模块,所述第二处理模块用于在所述识别模块输出得到所述第三特征信息对所对应的第三标签信息之后,将所述第三标签信息和所述待识别图像关联存储。
第五方面,本申请实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序,该计算机程序被处理器执行时实现上述第一方面中的交互关系识别模型的训练方法的步骤。
第六方面,本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储计算机程序,该计算机程序被处理器执行时实现上述第一方面中的交互关系识别模型的训练方法的步骤。
第七方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的交互关系识别模型的训练方法。
可以理解的是,上述第二方面至第七方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
本申请实施例与相关技术相比存在的有益效果是:
本申请实施例提供的技术方案,可以从不同样本图像中提取具有交互关系的各个对象的对象信息(例如用于表示对象的动作或类别),并将提取的对象信息交叉组合,得到能够描述对象间交互关系的多个特征信息对及每个特征信息对所对应的标签信息,作为训练模型的训练样本集合。由于通过这种组合对象信息的方式可以大大增加交互关系样本数据,因此训练样本集合中的交互关系样本数据更加庞大且样本数据分布更加均衡,如此可以增强以该训练样本集合训练得到的模型的交互关系识别功能及效果。进一步的,在通过该模型识别图像中对象交互关系的场景中,可以提升对图像中的交互关系的识别准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的交互关系识别模型的训练方法的流程示意图;
图2是本申请一实施例提供的交互关系识别模型的训练方法所采用第一样本图像的示意图;
图3是本申请一实施例提供的交互关系识别模型的训练方法所采用第二样本图像的示意图;
图4是本申请一实施例提供的交互关系识别模型的训练方法的信息组合示意图;
图5是本申请另一实施例提供的交互关系识别模型的训练方法的信息组合示意图;
图6是本申请再一实施例提供的交互关系识别模型的训练方法的信息组合示意图;
图7是本申请另一实施例提供的交互关系识别模型的训练方法所采用样本图像的示意图;
图8是本申请又一实施例提供的交互关系识别模型的训练方法的信息组合示意图;
图9是本申请实施例提供的交互关系识别方法的流程示例图;
图10是本申请实施例提供的交互关系识别方法的应用示例图;
图11是本申请实施例提供的交互关系识别模型的训练装置的结构示意图;
图12是本申请实施例提供的交互关系识别装置的结构示意图;
图13是本申请实施例提供的终端设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,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。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请实施例提供了一种交互关系识别模型的训练方法、交互关系识别模型的训练装置、交互关系识别方法和交互关系识别装置,通过从不同样本图像中提取具有交互关系的各个对象的对象信息(例如用于表示对象的动作或类别),并将提取的对象信息交叉组合,得到能够描述对象间交互关系的多个特征信息对及每个特征信息对所对应的标签信息,作为训练模型的训练样本集合。由于通过这种组合对象信息的方式可以大大增加交互关系样本数据,因此训练样本集合中的交互关系样本数据更加庞大且样本数据分布更加均衡,如此可以增强以该训练样本集合训练得到的模型的交互关系识别功能及效果。进一步的,在通过该模型识别图像中对象交互关系的场景中,可以提升对图像中的交互关系的识别准确度。
本申请实施例提供的交互关系识别模型的训练方法的执行主体可以为电子设备(例如交互关系识别模型的训练装置),也可以为该电子设备中能够实现该训练方法的功能模块和/或功能实体,具体的可以根据实际使用需求确定,本申请实施例不作限定。
下面以执行主体为交互关系识别模型的训练装置为例,结合各个附图对本申请实施例提供的用于交互关系识别模型的训练方法进行示例性的说明。
图1示出了本申请实施例提供的一种交互关系识别模型的训练方法的示意性流程图。如图1所示,该方法可以包括下述的步骤S101-S103。
S101、提取图像样本集合中的每个样本图像的第一特征信息对,该第一特征信息对包括第一对象信息以及第二对象信息。
其中,对于每个样本图像而言,第一对象信息为与样本图像中的第一对象对应的描述信息,第二对象信息为与样本图像中的第二对象对应的描述信息。
本申请实施例中,图像样本集合可以包括用于训练交互关系识别模型的多个样本图像,并且图像样本集合还包括每个样本图像的第一特征信息对,以及所述每个图像样本的第一特征信息对所对应的第一标签信息,该第一标签信息用于描述图像样本集合中样本图像中的各对象的交互关系。
需要说明的是,对象的交互关系可以为人物交互关系,例如人骑单车;也可以为人人交互关系,例如妈妈抱小孩;还可以为物物交互关系,例如马吃草,具体可以根据实际使用情况确定,本申请实施例不作限定。为了便于描述,下文以识别样本图像中的人物交互关系为例进行说明。
本申请实施例中,样本图像中包括不同类型的多个对象,例如第一对象、第二对象、…和第N对象,N可以为大于2的整数,具体可以根据图像中检测出的对象的数量确定。也就是说,图像样本集合中的样本图像中可以包括两个对象,也可以包括更多个对象,具体可以根据实际情况确定,本申请实施例不作限定。
为了便于描述,下面以每个样本图像中包括第一对象和第二对象为例,对本申请实施例提供的交互信息识别模型的训练方法进行示例性的说明。
例如,图像样本集合包括多个样本图像以及每个图像样本的第一特征信息对所对应的第一标签信息,该第一标签信息用于描述图像样本集合中样本图像中的第一对象和第二对象的交互关系。
在一种可能的实现方式中,上述第一对象信息可以包括谓词信息,该谓词信息可以用于表示所述第一对象的动作。此外,上述第一对象信息还可以包括对象类别信息,该对象类别信息用于表示第一对象的类别。上述第二对象信息可以包括对象类别信息,该对象类别信息用于表示第二对象的类别。
举例来说,图2示出了图像样本集合中的一个样本图像10(以下称为第一样本图像)的示意图,如图2所示,第一样本图像10中包括第一对象11(人)和第二对象12(单车)。其中,与第一对象11对应的第一对象信息可以包括谓词信息,即“骑”;当然,第一对象信息还可以包括用于表示第一对象类别的对象类别信息,即“人”。由于第二对象的类别为“单车”,因此与第二对象12对应的第二对象信息可以包括“单车”。
具体的,上述第一样本图像10的第一特征信息对包括与第一对象11对应的第一对象信息“骑”以及与第二对象12对应的第二对象信息“单车”,即第一特征信息对为“骑”、“单车”。相应地,该第一特征信息对所对应的第一标签信息为“骑单车”,该第一标签信息“骑单车”描述了该第一样本图像10中的第一对象(人)和第二对象(单车)的交互关系。
需要说明的是,上述图像样本集合中的图像样本可以包括一个第一特征信息对,也可以包括两个或更多个第一特征信息对,具体可以根据实际情况确定,本申请实施例不作限定。
例如,以某一图像样本包括两个第一特征信息对为例,返回参考图2,第一样本图像可以包括第一特征信息对“骑、单车”,以及第一特征信息对“背、包”。其中,第一特征信息对“骑、单车”所对应的第一标签信息可以表示为“骑单车”(或者“人骑单车”),该第一标签信息“骑单车”描述了该第一样本图像中的第一对象11(人)和第二对象12(单车)的交互关系。第一特征信息对“背、包”所对应的第一标签信息可以表示为“背包”(或者“人背包”),该第一标签信息“背包”描述了该第一样本图像中的第一对象11(人)和第二对象13(背包)的交互关系。
再例如,以某一图像样本包括一个第一特征信息对为例,图3示出了图像样本集合中的另一个样本图像20(以下称为第二样本图像)的示意图,如图3所示,第二样本图像20可以包括第一特征信息对“喂、马”。该第一特征信息对“喂、马”所对应的第一标签信息可以表示为“喂马”(或者“人喂马”),该第一标签信息“喂马”描述了该第二样本图像20中的第一对象21(人)和第二对象22(马)的交互关系。
S102、将从所述图像样本集合中提取的多个第一特征信息对中的第一对象信息和第二对象信息进行组合,得到多个第二特征信息对和每个第二特征信息对所对应的第二标签信息。
其中,上述多个第二特征信息对的每个第二特征信息对中的第一对象信息和第二对象信息分别来自不同的第一特征信息对,该第二标签信息用于描述图像样本集合中样本图像中的第一对象和第二对象的交互关系。
举例来说,以上述图2的第一样本图像中20的两个第一特征信息对进行组合为例,如图4所示,可以将第一特征信息对“骑、单车”中的第一对象信息(骑)和第二对象信息(单车),与第一特征信息对“背、包”中的第一对象信息(背)和第二对象信息(包)进行组合,可以得到第二特征信息对“骑、包”以及第二特征信息对“背、单车”,以及分别对应的第二标签信息“骑包”、“背单车”。可以看出,该第二标签信息可以描述同一样本图像中的对象之间的交互关系。
再举例来说,以上述图2的第一样本图像10的第一特征信息对和图3的第二样本图样20的第一特征信息对进行组合为例,如图5所示,可以将第一特征信息对“骑、单车”中的第一对象信息(骑)和第二对象信息(单车),与第一特征信息对“喂、马”中的第一对象信息(喂)和第二对象信息(马)进行组合,可以得到第二特征信息对“骑、马”以及第二特征信息对“喂、单车”,以及分别对应的第二标签信息“骑马”、“喂单车”。可以看出,该第二标签信息描述了不同样本图像中的对象之间的交互关系。
本申请实施例中,通过第一对象信息和第二对象信息的交叉组合,可以在原有第一特征信息对及其第一标签信息的基础上,增加了第二特征信息对及其第二标签信息,如此,第一特征信息对及其第一标签信息和新增加的第二特征信息对及其第二标签信息共同构成训练样本集合,用于训练交互关系识别模型。
S103、根据训练样本集合对初始模型进行训练,得到交互关系识别模型,该训练样本集合包括提取到的所有第一特征信息对和每个第一特征信息对所对应的第一标签信息,以及至少一个第二特征信息对和每个第二特征信息对所对应的第二标签信息。
本申请实施例中,上述初始模型为用于训练具有交互关系识别功能的预训练模型。通过训练得到的交互关系识别模型可以用于识别图像中的各对象的交互关系。
本申请实施例可以通过将组合出来的对象交互特征(即至少一个第二特征信息对和每个第二特征信息对所对应的第二标签信息)和图片提取出的对象交互特征(提取到的所有第一特征信息对和每个第一特征信息对所对应的第一标签信息)进行深度学习,训练得到交互关系识别模型。
下面以图像样本集合包括第一样本图像10和第二样本图像20为例,对上述步骤103的实现方式进行示例性的说明。
如图6所示,针对第一样本图像10和第二样本图像20而言,提取到的所有第一特征信息对和每个第一特征信息对所对应的第一标签信息具体如下:
(1)“骑、单车”,对应的第一标签信息为“骑单车”。
(2)“背、包”,对应的第一标签信息为“背包”。
(3)“喂、马”,对应的第一标签信息为“喂马”。
再如图6所示,针对第一样本图像10和第二样本图像20而言,将从第一样本图像10提取的第一特征信息对“骑、单车”、“背、包”、从第二样本图像20提取的第一特征信息对“喂、马”进行对象信息的组合,得到多个第二特征信息对和每个第二特征信息对所对应的第二标签信息,具体如下:
(4)“背、单车”,对应的第二标签信息为“背单车”。
(5)“骑、包”,对应的第二标签信息为“骑包”。
(6)“骑、马”,对应的第二标签信息为“骑马”。
(7)“背、马”,对应的第二标签信息为“背马”。
(8)“喂、单车”,对应的第二标签信息为“喂单车”。
(9)“喂、包”,对应的第二标签信息为“喂包”。
本申请实施例中,交互关系识别模型的训练装置可以采用上述(4)-(9)中的至少一项以及上述的(1)、(2)和(3),对初始模型进行训练,得到交互关系识别模型,该交互关系识别模型可以用于识别图像中的各对象的交互关系。
本申请实施例提供的交互关系识别模型的训练方法,通过可以从不同样本图像中提取具有交互关系的各个对象的对象信息(例如用于表示对象的动作或类别),并将提取的对象信息交叉组合,得到能够描述对象间交互关系的多个特征信息对及每个特征信息对所对应的标签信息,作为训练模型的训练样本集合。由于通过这种组合对象信息的方式可以大大增加交互关系样本数据,因此训练样本集合中的交互关系样本数据更加庞大且样本数据分布更加均衡,如此可以增强以该训练样本集合训练得到的模型的交互关系识别功能及效果。
可选的,本申请实施中,上述交互关系识别模型的训练装置提取图像样本集合中的每个样本图像的第一特征信息对(上述的步骤S101)可以包括下述的步骤S101A和步骤S101B。
S101A、将图像样本集合中的每个样本图像输入第一对象检测模型,检测出每个样本图像中第一对象的第一对象框和第二对象的第二对象框。
其中,第一对象框对应第一对象信息,第二对象框对应第一对象信息,上述第一对象检测模型用于检测样本图像中的对象。
本申请实施例中,第一对象检测模型为用于检测图像中的对象的模型。该模型可以为深度对象检测模型,例如快速对象检测模型。
S101B、根据第一对象框和第二对象框,提取与第一对象框对应的第一对象信息以及与第二对象框对应的第二对象信息,得到第一特征信息对。
下面结合图7,示例性的说明上述步骤S101A和S101B的可能实现方式。
图7示出了第一样本图像10中的第一对象框14和第二对象框15。其中,第一对象框14为第一对象(人)的对象框,对应第一对象信息“骑”,即人的动作。第二对象框15为第二对象(单车)的对象框,对应第二对象信息“单车”,即第二对象的类别。
具体的,在将第一样本图像10输入第一对象检测模型之后,第一对象检测模型可以检测出第一样本图像10中人的第一对象框14和单车的第二对象框15,由于第一对象框14对应第一对象信息“骑”,第二对象框15对应第一对象信息“单车”,因此,第一对象检测模型可以根据第一对象框14和第二对象框15,提取与第一对象框14对应的第一对象信息“骑”以及与第二对象框15对应的第二对象信息“单车”,得到第一特征信息对“骑、单车”。
本申请实施例中,可以通过检测出样本图像中的对象框,并根据对象框从样本图像中提取对象框对应的对象信息(即对象的标签信息),即可识别出该样本图像中的对象,如此可以提升图像对象检测的准确性,进而可以提升识别图像中对象交互关系的准确性。
本申请实施例中,由于通过对象信息组合得到的特征信息对及标签信息指示的对象交互关系有些是现实中存在的,有些是现实中不存在的,因此可以先对得到的特征信息对及标签信息进行筛选,选取对模型训练有意义的特征信息对及标签信息(即现实中存在的对象交互关系)。
示例性的,在交互关系识别模型的训练装置根据训练样本集合对初始模型进行训练,得到交互关系识别模型(上述的步骤S103)之前,所述方法还包括下述的步骤S104和S105。
S104、将训练样本集合中的标签信息与预设的标签信息集进行对比。
其中,上述预设的标签信息集可以包括根据实际场景预存的大量标签信息,这些标签信息指示的对象交互关系为现实中存在的交互关系。
S105、将训练样本集合中,与标签信息集中的标签信息相同的标签信息,确定为训练样本子集合。
进一步的,在步骤S104和S105的基础上,上述根据训练样本集合对所述初始模型进行训练,得到所述交互关系识别模型(即步骤S103)具体可以通过下述的步骤S103A实现。
S103A、根据训练样本子集合对初始模型进行训练,得到交互关系识别模型。
举例来说,如图8所示,训练样本集合中的标签信息“骑包”、“背马”、“喂单车”、“喂包”等描述的是实际中不存在的交互关系,因此不作为模型训练的训练样本。相应地,训练样本子集合可以包括“背单车”、“骑单车”、“背包”、“骑马”、“喂马”等标签信息。
本申请实施例中,通过筛选,可以获得对模型训练有意义的训练样本集合(即有意义的特征信息对及标签信息),这样可以使得训练得到的模型在实际应用时识别准确度较高。
此外,本申请实施例提供的方案还可以为:先从一个或更多个图像中提取第二对象信息(即对象特征),采用内存记忆模块不断保存提取的这些第二对象信息,然后将这些第二对象信息与从当前图像提取的第一对象信息(即谓词特征)进行组合训练模型。
或者,本申请实施例提供的方案还可以为:通过组合虚拟生成的第二对象信息(即对象特征)与提取的第一对象信息(即谓词特征)进行组合学习。
本申请实施例提供的交互关系识别方法的执行主体可以为电子设备(例如交互关系识别装置),也可以为该电子设备中能够实现该交互关系识别方法的功能模块和/或功能实体,具体的可以根据实际使用需求确定,本申请实施例不作限定。
下面以执行主体为交互关系识别装置为例,结合各个附图对本申请实施例提供的用于交互关系识别方法进行示例性的说明。
图9示出了本申请实施例提供的一种交互关系识别方法的示意性流程图。如图9所示,该方法可以包括下述的步骤S201-S203。
S201、获取待识别图像。
S202、提取待识别图像中的第三特征信息对。
其中,该第三特征信息对包括与第三对象对应的第三对象信息以及与第四对象对应的第四对象信息,该第三对象和第四对象为待识别图像中的对象。
S203、将第三特征信息对输入交互关系识别模型,输出第三特征信息对所对应的第三标签信息,该第三标签信息用于描述待识别图像中的各对象的交互关系。
其中,上述交互关系识别模型可以为通过上述交互关系识别模型的训练方法训练得到的模型。
本申请实施例提供的交互关系识别方法,通过采用上述模型训练方法训练得到的交互关系识别模型进行交互关系识别,其中,该模型训练方法通过从不同样本图像中提取具有交互关系的各个对象的对象信息(例如用于表示对象的动作或类别),并将提取的对象信息交叉组合,得到能够描述对象间交互关系的多个特征信息对及每个特征信息对所对应的标签信息,作为训练模型的训练样本集合。由于通过这种组合对象信息的方式可以大大增加交互关系样本数据,因此训练样本集合中的交互关系样本数据更加庞大且样本数据分布更加均衡,如此可以增强以该训练样本集合训练得到的模型的识别功能及效果。进一步的,在通过该模型识别图像中对象交互关系的场景中,可以提升对图像中的交互关系的识别准确度。
可选的,本申请实施例中,上述提取待识别图像中的第三特征信息对(上述的步骤S202)可以包括下述的步骤S202A-S202C。
S202A、将待识别图像输入第二对象检测模型。
其中,第二对象检测模型可以为用于检测图像中的对象的模型。
S202B、检测出待识别图像中的第三对象框和第四对象框,该第三对象框对应第三对象,该第四对象框对应第四对象。
S202C、根据第三对象框和第四对象框,提取与第三对象框对应的第三对象信息以及与第四对象框对应的第四对象信息,得到第三特征信息对。
对于第二对象检测模型、检测第三对象框和第四对象框以及提取第三对象信息和第四对象信息的描述可参见上述对第一对象检测模型、检测第一对象框和第二对象框以及提取第一对象信息和第三对象信息的具体描述,这里不再赘述。
本申请实施例中,交互关系识别装置可以先检测出待识别图像中的对象框,并根据对象框从待识别图像中提取对象框对应的对象信息(即对象的标签信息),即可识别出该待识别图像中的对象,便于进一步识别待识别图像中各对象之间的交互关系,从而可以提升交互关系识别的准确性。
可选的,本申请实施例中,在输出得到第三特征信息对所对应的第三标签信息之后,本申请实施例提供的交互关系识别方法还包括下述的步骤S204。
S204、将第三标签信息和待识别图像关联存储。
本申请实施例中,交互关系识别装置在得到第三特征信息对所对应的第三标签信息之后,可以将第三标签信息和待识别图像关联存储。例如,可以直接将第三标签信息和待识别图像对应存储到一起,也可以在待识别图像上显示第三标签信息,然后进行存储。也就是说,对于某一图像应用上述交互关系识别方式,则可以得到该图像的交互关系描述信息。
通过该方法,由于所采用的识别模型中包括大量对象交互关系的数据集,因此可以准确地识别出待识别图像中的人物交互类别。
结合图10,示例性的说明本申请实施例提供的交互关系识别方法的可能实现方式。
图10中的(a)示出了待识别图像30,待识别图像30中包括该人(即第三对象)和篮球(即第四对象)。其中,待识别图像30中的第三特征信息对包括人的动作“拍”(即第三对象信息)以及与篮球对应的第四对象信息“篮球”。即,待识别图像40中的第三特征信息对为“拍、篮球”。将第三特征信息对“拍、篮球”输入交互关系识别模型,输出该第三特征信息对所对应的第三标签信息“拍篮球”,该第三标签信息“拍篮球”描述了待识别图像中的各对象(人和篮球)的交互关系。图10中的(b)示出了识别得到的目标图像40,该目标图像40中显示有交互关系描述信息“拍篮球”。
本申请实施例提供的交互关系识别方法,可以应用到互联网图片描述中,可以给图片添加描述(即标签信息),这样可以改善搜索引擎的提供搜索结果的准确性。例如,如果用户希望查找“拍篮球”的图片,那么用户可以通过输入文字“拍篮球”,搜索到存储器中存储的与标签信息“拍篮球”关联存储的所有图片,从而可以提高搜索结果的准确性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的交互关系识别模型的训练方法,图11示出了本申请实施例提供的交互关系识别模型的训练装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图11,该交互关系识别模型的训练装置300包括第一检测模块301、组合模块302和训练模块303;
第一检测模块301,用于提取图像样本集合中的每个样本图像的第一特征信息对,该第一特征信息对包括与第一对象对应的第一对象信息以及与第二对象对应的第二对象信息,该图像样本集合包括多个样本图像以及每个图像样本的第一特征信息对所对应的第一标签信息,该第一标签信息用于描述同一样本图像中的第一对象和第二对象的交互关系;
组合模块302,用于将第一检测模块301提取的从图像样本集合中提取的多个第一特征信息对中的第一对象信息和第二对象信息进行组合,得到多个第二特征信息对和每个第二特征信息对所对应的第二标签信息,每个第二特征信息对中的第一对象信息和第二对象信息分别来自不同的第一特征信息对,该第二标签信息用于描述样本图像中的第一对象和第二对象的交互关系;
训练模块303,用于根据训练样本集合对初始模型进行训练,得到交互关系识别模型,该训练样本集合包括第一检测模块301提取到的所有第一特征信息对和每个第一特征信息对所对应的第一标签信息,以及组合模块302组合得到的至少一个第二特征信息对和每个第二特征信息对所对应的第二标签信息,该交互关系识别模型用于识别图像中的各对象的交互关系。
在一种可能实现方式中,上述第一对象信息包括谓词信息,该谓词信息用于表示第一对象的动作;上述第二对象信息包括对象类别信息,该对象类别信息用于表示第二对象的类别。
在一种可能实现方式中,第一检测模块,具体用于将图像样本集合中的每个样本图像输入第一对象检测模型,检测出每个样本图像中第一对象的第一对象框和第二对象的第二对象框,并根据该第一对象框和第二对象框,提取与该第一对象框对应的第一对象信息以及与该第二对象框对应的第二对象信息,得到第一特征信息对;
其中,第一对象框对应第一对象信息,第二对象框对应第一对象信息,第一对象检测模型用于检测样本图像中的对象。
在一种可能实现方式中,本申请实施例提供的交互关系识别模型的训练装置还包括第一处理模块;
第一处理模块,用于在训练模块根据训练样本集合对初始模型进行训练,得到交互关系识别模型之前,将该训练样本集合中的标签信息与预设的标签信息集进行对比;并将该训练样本集合中,与标签信息集中的标签信息相同的标签信息,确定为训练样本子集合;
训练模块,具体用于根据该训练样本子集合对初始模型进行训练,得到交互关系识别模型。
本申请实施例提供的交互关系识别模型的训练装置,通过可以从不同样本图像中提取具有交互关系的各个对象的对象信息(例如用于表示对象的动作或类别),并将提取的对象信息交叉组合,得到能够描述对象间交互关系的多个特征信息对及每个特征信息对所对应的标签信息,作为训练模型的训练样本集合。由于通过这种组合对象信息的方式可以大大增加交互关系样本数据,因此训练样本集合中的交互关系样本数据更加庞大且样本数据分布更加均衡,如此该模型训练装置可以增强以该训练样本集合训练得到的模型的交互关系识别功能及效果。
对应于上文实施例所述的交互关系识别方法,图12示出了本申请实施例提供的交互关系识别装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图12,该交互关系识别装置400包括获取模块401、第二检测模块402和识别模块403;
获取模块401,用于获取待识别图像;
第二检测模块402,用于提取获取模块401获取的待识别图像中的第三特征信息对,该第三特征信息对包括与第三对象对应的第三对象信息以及与第四对象对应的第四对象信息,该第三对象和第四对象为待识别图像中的对象;
识别模块403,用于将第二检测模块402提取的第三特征信息对输入交互关系识别模型,输出得到该第三特征信息对所对应的第三标签信息,该第三标签信息用于描述待识别图像中的各对象的交互关系,该交互关系识别模型为通过上述交互关系识别的训练装置训练得到的模型。
在一种可能实现方式中,第二检测模块,具体用于将待识别图像输入第二对象检测模型;并检测出待识别图像中的第三对象框和第四对象框,该第三对象框对应所述第三对象,该第四对象框对应所述第四对象;并根据该第三对象框和第四对象框,提取与该第三对象框对应的第三对象信息以及与该第四对象框对应的第四对象信息,得到第三特征信息对。
在一种可能实现方式中,本申请实施例提供的交互关系识别装置还包括第二处理模块,该第二处理模块用于在识别模块输出得到第三特征信息对所对应的第三标签信息之后,将第三标签信息和待识别图像关联存储。
本申请实施例提供的交互关系识别装置,通过采用上述模型训练方法训练得到的交互关系识别模型进行交互关系识别,其中,该模型训练方法通过从不同样本图像中提取具有交互关系的各个对象的对象信息(例如用于表示对象的动作或类别),并将提取的对象信息交叉组合,得到能够描述对象间交互关系的多个特征信息对及每个特征信息对所对应的标签信息,作为训练模型的训练样本集合。由于通过这种组合对象信息的方式可以大大增加交互关系样本数据,因此训练样本集合中的交互关系样本数据更加庞大且样本数据分布更加均衡,如此可以增强以该训练样本集合训练得到的模型的识别功能及效果。进一步的,在通过该模型识别图像中对象交互关系的场景中,该交互关系识别装置可以提升对图像中的交互关系的识别准确度。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
如图13所示,本申请实施例还提供了一种电子设备,该电子设备包括:至少一个处理器60、存储器61以及存储在该存储器61中并可在该至少一个处理器60上运行的计算机程序62,该处理器60执行计算机程序62时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行时实现可实现上述各个方法实施例中的步骤。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,该计算机程序包括计算机程序代码,该计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。该计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (12)
1.一种交互关系识别模型的训练方法,其特征在于,包括:
提取图像样本集合中的每个样本图像的第一特征信息对,所述第一特征信息对包括与第一对象对应的第一对象信息以及与第二对象对应的第二对象信息,所述图像样本集合包括多个样本图像以及每个图像样本的第一特征信息对所对应的第一标签信息,所述第一标签信息用于描述样本图像中的第一对象和第二对象的交互关系;
将从所述图像样本集合中提取的多个第一特征信息对中的第一对象信息和第二对象信息进行组合,得到多个第二特征信息对和每个第二特征信息对所对应的第二标签信息,每个第二特征信息对中的第一对象信息和第二对象信息分别来自不同的第一特征信息对,所述第二标签信息用于描述样本图像中的第一对象和第二对象的交互关系;
根据训练样本集合对初始模型进行训练,得到交互关系识别模型,所述训练样本集合包括提取到的所有第一特征信息对和每个第一特征信息对所对应的第一标签信息,以及至少一个第二特征信息对和每个第二特征信息对所对应的第二标签信息,所述交互关系识别模型用于识别图像中的各对象的交互关系;
其中,所述第一对象信息包括谓词信息,所述谓词信息用于表示所述第一对象的动作;所述第二对象信息包括对象类别信息,所述对象类别信息用于表示所述第二对象的类别;
其中,所述提取图像样本集合中的每个样本图像的第一特征信息对,包括:
将所述图像样本集合中的每个样本图像输入第一对象检测模型,检测出每个样本图像中所述第一对象的第一对象框和所述第二对象的第二对象框,所述第一对象框对应所述第一对象信息,所述第二对象框对应所述第一对象信息,所述第一对象检测模型用于检测样本图像中的对象;
根据所述第一对象框和所述第二对象框,提取与所述第一对象框对应的第一对象信息以及与所述第二对象框对应的第二对象信息,得到所述第一特征信息对。
2.如权利要求1所述的方法,其特征在于,在所述根据训练样本集合对初始模型进行训练,得到交互关系识别模型之前,所述方法还包括:
将所述训练样本集合中的标签信息与预设的标签信息集进行对比;
将所述训练样本集合中,与所述标签信息集中的标签信息相同的标签信息,确定为训练样本子集合;
所述根据训练样本集合对所述初始模型进行训练,得到所述交互关系识别模型,包括:
根据所述训练样本子集合对初始模型进行训练,得到交互关系识别模型。
3.一种交互关系识别方法,其特征在于,包括:
获取待识别图像;
提取所述待识别图像中的第三特征信息对,所述第三特征信息对包括与第三对象对应的第三对象信息以及与第四对象对应的第四对象信息,所述第三对象和所述第四对象为所述待识别图像中的对象;
将所述第三特征信息对输入交互关系识别模型,输出得到所述第三特征信息对所对应的第三标签信息,所述第三标签信息用于描述所述待识别图像中的各对象的交互关系,所述交互关系识别模型为通过权利要求1或2所述的方法训练得到的模型。
4.如权利要求3所述的方法,其特征在于,所述提取所述待识别图像中的第三特征信息对,包括:
将所述待识别图像输入第二对象检测模型;
检测出所述待识别图像中的第三对象框和第四对象框,所述第三对象框对应所述第三对象,所述第四对象框对应所述第四对象;
根据所述第三对象框和所述第四对象框,提取与所述第三对象框对应的所述第三对象信息以及与所述第四对象框对应的所述第四对象信息,得到所述第三特征信息对。
5.如权利要求3所述的方法,其特征在于,在所述输出得到所述第三特征信息对所对应的第三标签信息之后,所述方法还包括:
将所述第三标签信息和所述待识别图像关联存储。
6.一种交互关系识别模型的训练装置,其特征在于,所述装置包括第一检测模块、组合模块和训练模块;
所述第一检测模块,用于提取图像样本集合中的每个样本图像的第一特征信息对,所述第一特征信息对包括与第一对象对应的第一对象信息以及与第二对象对应的第二对象信息,所述图像样本集合包括多个样本图像以及每个图像样本的第一特征信息对所对应的第一标签信息,所述第一标签信息用于描述样本图像中的第一对象和第二对象的交互关系;
所述组合模块,用于将所述第一检测模块提取的从所述图像样本集合中提取的多个第一特征信息对中的第一对象信息和第二对象信息进行组合,得到多个第二特征信息对和每个第二特征信息对所对应的第二标签信息,每个第二特征信息对中的第一对象信息和第二对象信息分别来自不同的第一特征信息对,所述第二标签信息用于描述样本图像中的第一对象和第二对象的交互关系;
所述训练模块,用于根据训练样本集合对初始模型进行训练,得到交互关系识别模型,所述训练样本集合包括所述第一检测模块提取到的所有第一特征信息对和每个第一特征信息对所对应的第一标签信息,以及所述组合模块组合得到的至少一个第二特征信息对和每个第二特征信息对所对应的第二标签信息,所述交互关系识别模型用于识别图像中的各对象的交互关系;
其中,所述第一对象信息包括谓词信息,所述谓词信息用于表示所述第一对象的动作;所述第二对象信息包括对象类别信息,所述对象类别信息用于表示所述第二对象的类别;
所述第一检测模块,具体用于将所述图像样本集合中的每个样本图像输入第一对象检测模型,检测出每个样本图像中所述第一对象的第一对象框和所述第二对象的第二对象框,并根据所述第一对象框和所述第二对象框,提取与所述第一对象框对应的第一对象信息以及与所述第二对象框对应的第二对象信息,得到所述第一特征信息对;
其中,所述第一对象框对应所述第一对象信息,所述第二对象框对应所述第一对象信息,所述第一对象检测模型用于检测样本图像中的对象。
7.如权利要求6所述的装置,其特征在于,所述装置还包括第一处理模块;
所述第一处理模块,用于在所述训练模块根据训练样本集合对初始模型进行训练,得到交互关系识别模型之前,将所述训练样本集合中的标签信息与预设的标签信息集进行对比;并将所述训练样本集合中,与所述标签信息集中的标签信息相同的标签信息,确定为训练样本子集合;
所述训练模块,具体用于根据所述训练样本子集合对所述初始模型进行训练,得到所述交互关系识别模型。
8.一种交互关系识别装置,其特征在于,所述装置包括获取模块、第二检测模块和识别模块;
所述获取模块,用于获取待识别图像;
所述第二检测模块,用于提取所述获取模块获取的所述待识别图像中的第三特征信息对,所述第三特征信息对包括与第三对象对应的第三对象信息以及与第四对象对应的第四对象信息,所述第三对象和所述第四对象为所述待识别图像中的对象;
所述识别模块,用于将所述第二检测模块提取的所述第三特征信息对输入交互关系识别模型,输出得到所述第三特征信息对所对应的第三标签信息,所述第三标签信息用于描述所述待识别图像中的各对象的交互关系,所述交互关系识别模型为权利要求6或7所述的交互关系识别模型。
9.如权利要求8所述的装置,其特征在于,所述第二检测模块,具体用于将所述待识别图像输入第二对象检测模型;并检测出所述待识别图像中的第三对象框和第四对象框,所述第三对象框对应所述第三对象,所述第四对象框对应所述第四对象;并根据所述第三对象框和所述第四对象框,提取与所述第三对象框对应的所述第三对象信息以及与所述第四对象框对应的所述第四对象信息,得到所述第三特征信息对。
10.如权利要求8所述的装置,其特征在于,所述装置还包括第二处理模块,所述第二处理模块用于在所述识别模块输出得到所述第三特征信息对所对应的第三标签信息之后,将所述第三标签信息和所述待识别图像关联存储。
11.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的方法。
12.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010659501.6A CN111950591B (zh) | 2020-07-09 | 2020-07-09 | 模型训练方法、交互关系识别方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010659501.6A CN111950591B (zh) | 2020-07-09 | 2020-07-09 | 模型训练方法、交互关系识别方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111950591A CN111950591A (zh) | 2020-11-17 |
CN111950591B true CN111950591B (zh) | 2023-09-01 |
Family
ID=73340100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010659501.6A Active CN111950591B (zh) | 2020-07-09 | 2020-07-09 | 模型训练方法、交互关系识别方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111950591B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643241A (zh) * | 2021-07-15 | 2021-11-12 | 北京迈格威科技有限公司 | 交互关系检测方法、交互关系检测模型训练方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110414432A (zh) * | 2019-07-29 | 2019-11-05 | 腾讯科技(深圳)有限公司 | 对象识别模型的训练方法、对象识别方法及相应的装置 |
WO2020000879A1 (zh) * | 2018-06-27 | 2020-01-02 | 北京字节跳动网络技术有限公司 | 图像识别方法和装置 |
CN111027378A (zh) * | 2019-11-01 | 2020-04-17 | 深圳大学 | 行人重识别的方法、装置、终端及存储介质 |
WO2020114135A1 (zh) * | 2018-12-06 | 2020-06-11 | 西安光启未来技术研究院 | 特征识别的方法及装置 |
-
2020
- 2020-07-09 CN CN202010659501.6A patent/CN111950591B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020000879A1 (zh) * | 2018-06-27 | 2020-01-02 | 北京字节跳动网络技术有限公司 | 图像识别方法和装置 |
WO2020114135A1 (zh) * | 2018-12-06 | 2020-06-11 | 西安光启未来技术研究院 | 特征识别的方法及装置 |
CN110414432A (zh) * | 2019-07-29 | 2019-11-05 | 腾讯科技(深圳)有限公司 | 对象识别模型的训练方法、对象识别方法及相应的装置 |
CN111027378A (zh) * | 2019-11-01 | 2020-04-17 | 深圳大学 | 行人重识别的方法、装置、终端及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于卷积神经网络和语义信息的场景分类;张晓明;尹鸿峰;;软件(01);第37-42页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111950591A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108616491B (zh) | 一种恶意用户的识别方法和系统 | |
CN109376603A (zh) | 一种视频识别方法、装置、计算机设备及存储介质 | |
CN110019943B (zh) | 视频推荐方法、装置、电子设备和存储介质 | |
CN104537341B (zh) | 人脸图片信息获取方法和装置 | |
CN111522987A (zh) | 一种图像审核方法、设备及计算机可读存储介质 | |
SG194442A1 (en) | In-video product annotation with web information mining | |
US20200012862A1 (en) | Multi-model Techniques to Generate Video Metadata | |
CN110502664A (zh) | 视频标签索引库创建方法、视频标签生成方法及装置 | |
US9906588B2 (en) | Server and method for extracting content for commodity | |
CN111783712A (zh) | 一种视频处理方法、装置、设备及介质 | |
CN110990563A (zh) | 一种基于人工智能的传统文化素材库构建方法及系统 | |
CN112818200A (zh) | 基于静态网站的数据爬取及事件分析方法及系统 | |
CN111950591B (zh) | 模型训练方法、交互关系识别方法、装置及电子设备 | |
CN104966109A (zh) | 医疗化验单图像分类方法及装置 | |
Amorim et al. | Novelty detection in social media by fusing text and image into a single structure | |
CN110188277B (zh) | 一种资源的推荐方法及装置 | |
CN116543220A (zh) | 健身方案推荐方法、装置及设备 | |
CN110879832A (zh) | 目标文本检测方法、模型训练方法、装置及设备 | |
CN113704623B (zh) | 一种数据推荐方法、装置、设备及存储介质 | |
CN116049434A (zh) | 电力施工安全知识图谱的构建方法、装置及电子设备 | |
CN110209880A (zh) | 视频内容检索方法、视频内容检索装置及存储介质 | |
CN114417860A (zh) | 一种信息检测方法、装置及设备 | |
David et al. | Authentication of Vincent van Gogh’s work | |
CN114329050A (zh) | 视觉媒体数据去重处理方法、装置、设备和存储介质 | |
US20220207076A1 (en) | Generative image acquisition |
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 |