CN112149748A - 图像分类方法及装置、电子设备和存储介质 - Google Patents
图像分类方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112149748A CN112149748A CN202011041753.9A CN202011041753A CN112149748A CN 112149748 A CN112149748 A CN 112149748A CN 202011041753 A CN202011041753 A CN 202011041753A CN 112149748 A CN112149748 A CN 112149748A
- Authority
- CN
- China
- Prior art keywords
- image
- training image
- training
- information
- images
- 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
- 238000000034 method Methods 0.000 title claims abstract description 99
- 238000012549 training Methods 0.000 claims abstract description 951
- 238000013528 artificial neural network Methods 0.000 claims abstract description 182
- 239000013598 vector Substances 0.000 claims description 146
- 238000012545 processing Methods 0.000 claims description 46
- 230000004044 response Effects 0.000 claims description 45
- 239000011159 matrix material Substances 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 7
- 230000000875 corresponding effect Effects 0.000 description 110
- 238000010586 diagram Methods 0.000 description 18
- 238000002372 labelling Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 241000220225 Malus Species 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000010295 mobile communication Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 244000061456 Solanum tuberosum Species 0.000 description 3
- 235000002595 Solanum tuberosum Nutrition 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 239000006227 byproduct Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000282376 Panthera tigris Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种图像分类方法及装置、电子设备和存储介质。所述方法包括:提取待处理图像的特征;将所述待处理图像的特征输入第一神经网络,经由所述第一神经网络得到所述待处理图像的第一类别预测结果,其中,所述第一神经网络是基于训练图像的初始标签和附带信息训练的,其中,所述训练图像的附带信息表示所述训练图像的描述性信息。
Description
技术领域
本公开涉及计算机视觉技术领域,尤其涉及一种图像分类方法及装置、电子设备和存储介质。
背景技术
图像分类等基于深度学习的计算机视觉任务依赖大量准确的标注数据。然而,人工标注存在高昂的价格和时间成本的缺点。在节省图像标注的时间成本和人力成本的前提下,提高图像分类的准确性,具有重要意义。
发明内容
本公开提供了一种图像分类技术方案。
根据本公开的一方面,提供了一种图像分类方法,包括:
提取待处理图像的特征;
将所述待处理图像的特征输入第一神经网络,经由所述第一神经网络得到所述待处理图像的第一类别预测结果,其中,所述第一神经网络是基于训练图像的初始标签和附带信息训练的,其中,所述训练图像的附带信息表示所述训练图像的描述性信息。
通过提取待处理图像的特征,并将所述待处理图像的特征输入第一神经网络,经由所述第一神经网络得到所述待处理图像的第一类别预测结果,其中,所述第一神经网络是基于训练图像的初始标签和附带信息训练的,由此训练得到的第一神经网络能够纠正因语义歧义等因素带来的标签错误,从而能够提高图像分类的准确性。本公开实施例无需由人工参与训练图像的标注过程,从而能够在节省图像标注的时间成本和人力成本的前提下,提高图像分类的准确性。
在一种可能的实现方式中,所述训练图像的初始标签包括所述训练图像的网络标签,其中,所述训练图像的网络标签表示能够在搜索引擎中搜索到所述训练图像的关键字。
根据该实现方式,能够利用训练图像的网络标签对第一神经网络进行训练,即,能够利用低成本的网络标签数据集替代昂贵的人工标注数据集,由此能够大大降低标注训练图像的时间成本和人力成本。
在一种可能的实现方式中,所述训练图像的附带信息包括所述训练图像的附带文字信息。
在该实现方式中,通过结合所述训练图像的附带文字信息训练所述第一神经网络,由此训练得到的第一神经网络能够纠正训练图像中因语义歧义等因素带来的标签错误,从而能够利用训练得到的第一神经网络进行高质量的图像分类。
在一种可能的实现方式中,所述训练图像的附带文字信息包括以下至少之一:所述训练图像所属网页的标题、所述训练图像所属网页的关键字、所述训练图像所属网页的文本、所述训练图像所属网页的简介信息、所述训练图像的标题、所述训练图像的关键字、所述训练图像的简介信息。
通过结合上述至少之一的附带文字信息,能够获得所述训练图像的更丰富的信息,从而能够有助于第一神经网络理解所述训练图像的正确语义。
在一种可能的实现方式中,所述第一类别预测结果包括所述待处理图像属于至少一个类别的第一概率;
在所述经由所述第一神经网络得到所述待处理图像的第一类别预测结果之后,所述方法还包括:
响应于所述第一类别预测结果中、最大的第一概率达到第一预设值,根据所述第一类别预测结果,确定所述待处理图像所属的类别;
和/或,
响应于所述第一类别预测结果中、最大的第一概率未达到所述第一预设值,将所述待处理图像的特征输入第二神经网络,经由所述第二神经网络得到所述待处理图像的第二类别预测结果,并根据所述第一类别预测结果和所述第二类别预测结果,确定所述待处理图像所属的类别,其中,所述第二类别预测结果包括所述待处理图像属于至少一个类别的第二概率。
在该实现方式中,响应于所述第一类别预测结果中、最大的第一概率达到第一预设值,可以确定所述第一类别预测结果的置信度较高,在这种情况下,根据所述第一类别预测结果确定的所述待处理图像所属的类别的准确性较高。响应于所述第一类别预测结果中、最大的第一概率未达到所述第一预设值,可以确定所述第一类别预测结果的置信度较低,在这种情况下,结合第二神经网络的类别预测结果,确定所述待处理图像所属的类别,由此能够提高复杂图像(例如包含复杂背景的图像)的分类准确性。
在一种可能的实现方式中,在所述将所述待处理图像的特征输入第一神经网络之前,所述方法还包括:
根据训练图像集中的训练图像的初始标签与附带信息之间的语义相关度,从所述训练图像集中选取锚点图像,其中,所述训练图像集包括多个训练图像;
将所述锚点图像的特征输入所述第一神经网络,经由所述第一神经网络预测所述锚点图像的第三类别预测结果,其中,所述锚点图像的第三类别预测结果包括所述锚点图像属于至少一个类别的第三概率;
根据所述锚点图像的初始标签和所述锚点图像的第三类别预测结果,训练所述第一神经网络。
在该实现方式中,通过利用所述训练图像的附带信息,找到初始标签的正确语义所对应的典型图像作为锚点图像,并采用所述锚点图像的初始标签(例如网络标签)对所述第一神经网络进行监督学习,根据所述锚点图像的初始标签和所述锚点图像的第三类别预测结果,训练所述第一神经网络,由此能够使所述第一神经网络学习到准确地预测图像的标签的能力,从而能够高质量地完成图像分类任务。
在一种可能的实现方式中,所述方法还包括:
对于训练图像集中的任一训练图像,生成所述训练图像的初始标签对应的第一词向量;
生成所述训练图像的附带信息对应的第二词向量;
根据所述第一词向量和所述第二词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度。
通过生成所述训练图像的初始标签对应的第一词向量,生成所述训练图像的附带信息对应的第二词向量,并根据所述第一词向量和所述第二词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度,由此确定的所述训练图像的初始标签与附带信息之间的语义相关度能够准确地反映所述训练图像的初始标签与附带信息之间的语义相关性。
在一种可能的实现方式中,所述生成所述训练图像的初始标签对应的第一词向量,包括:
获取所述训练图像的初始标签的标签描述信息;
根据所述训练图像的初始标签的标签描述信息,生成所述训练图像的初始标签对应的第一词向量。
通过获取所述训练图像的初始标签的标签描述信息,并根据所述训练图像的初始标签的标签描述信息,生成所述训练图像的初始标签对应的第一词向量,由此生成的所述训练图像的初始标签对应的第一词向量能够体现初始标签的更丰富的信息,从而有助于更准确地确定训练图像的初始标签与附带信息之间的语义相关度。
在一种可能的实现方式中,
所述方法还包括:基于所述训练图像集中的训练图像之间的相似信息,对所述第二词向量进行处理,得到所述训练图像的附带信息对应的第三词向量;
所述根据所述第一词向量和所述第二词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度,包括:根据所述第一词向量和所述第三词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度。
通过根据所述训练图像集中的训练图像之间的相似信息,对所述第二词向量进行处理,由此得到的所述训练图像的附带信息对应的第三词向量能够更准确地反映所述训练图像的语义信息。通过根据所述第一词向量和所述第三词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度,由此确定的所述训练图像的初始标签与附带信息之间的语义相关度能够更准确地反映所述训练图像的初始标签与附带信息之间的语义相关性。
在一种可能的实现方式中,所述训练图像集中的训练图像之间的相似信息包括:所述训练图像集中的任一训练图像是否为另一训练图像的近邻图像的信息;
在所述基于所述训练图像集中的训练图像之间的相似信息,对所述第二词向量进行处理之前,所述方法还包括:
提取所述训练图像集中的训练图像的特征;
对于所述训练图像集中的任一训练图像,将所述训练图像集中、与所述训练图像的特征之间的相似度最大的k个训练图像,确定为所述训练图像的近邻图像,其中,k为正整数。
根据该实现方式所确定的所述训练图像集中的训练图像之间的相似信息,能够较准确地反映训练图像在语义上的关联性。
在一种可能的实现方式中,所述训练图像集中的训练图像之间的相似信息包括:所述训练图像集中的训练图像之间的相似度;
在所述对于所述训练图像集中的任一训练图像,将所述训练图像集中、与所述训练图像的特征之间的相似度最大的k个训练图像,确定为所述训练图像的近邻图像之后,所述方法还包括:
响应于第一训练图像为第二训练图像的近邻图像和/或所述第二训练图像为所述第一训练图像的近邻图像,根据所述第一训练图像的特征与所述第二训练图像的特征之间的相似度,确定所述第一训练图像与所述第二训练图像之间的相似度,其中,所述第一训练图像和所述第二训练图像为所述训练图像集中的任意两个训练图像;
和/或,
响应于所述第一训练图像不为所述第二训练图像的近邻图像且所述第二训练图像不为所述第一训练图像的近邻图像,将所述第一训练图像与所述第二训练图像之间的相似度确定为第二预设值。
根据该实现方式,有助于提高第一神经网络的训练效率,并有助于提高第一神经网络的分类准确性。
在一种可能的实现方式中,所述基于所述训练图像集中的训练图像之间的相似信息,对所述第二词向量进行处理,得到所述训练图像的附带信息对应的第三词向量,包括:
基于所述训练图像集中的训练图像之间的相似度,生成所述训练图像集对应的相似度矩阵;
根据所述训练图像集对应的相似度矩阵,对所述第二词向量进行处理,得到所述训练图像的附带信息对应的第三词向量。
通过根据所述训练图像集对应的相似度矩阵,对所述第二词向量进行处理,得到所述训练图像的附带信息对应的第三词向量,由此得到的所述训练图像的附带信息对应的第三词向量能够更准确地反映所述训练图像的语义信息。
在一种可能的实现方式中,所述根据所述训练图像的初始标签与附带信息之间的语义相关度,从所述训练图像集中选取锚点图像,包括:
响应于所述训练图像的初始标签与附带信息之间的语义相关度,属于所述训练图像的初始标签对应的类别中最大的m个语义相关度之一,将所述训练图像确定为锚点图像。
通过响应于所述训练图像的初始标签与附带信息之间的语义相关度,属于所述训练图像的初始标签对应的类别中最大的m个语义相关度之一,将所述训练图像确定为锚点图像,由此能够为每个类别选取属于该类别的可能性最大的m个训练图像作为锚点图像。利用这些锚点图像训练第一神经网络,能够提高第一神经网络进行图像分类的准确性。
在一种可能的实现方式中,所述方法还包括:
在所述第一神经网络训练完成后,将所述训练图像集中的训练图像的特征输入所述第一神经网络,经由所述第一神经网络预测所述训练图像的第四类别预测结果,其中,所述第四类别预测结果包括所述训练图像属于至少一个类别的第四概率;
根据所述第四类别预测结果,确定所述训练图像的修正标签信息。
根据该实现方式,在所述第一神经网络训练完成后,可以得到所述训练图像集中的各个训练图像的修正标签。
在一种可能的实现方式中,所述根据所述第四类别预测结果,确定所述训练图像的修正标签信息,包括:
响应于所述第四类别预测结果中、最大的第四概率达到第一预设值,根据所述第四类别预测结果,确定所述训练图像的修正标签信息;
和/或,
响应于所述第四类别预测结果中、最大的第四概率未达到所述第一预设值,将所述训练图像的特征输入第二神经网络,经由所述第二神经网络得到所述训练图像的第五类别预测结果,并根据所述第四类别预测结果和所述第五类别预测结果,确定所述训练图像的修正标签信息,其中,所述第五类别预测结果包括所述训练图像属于至少一个类别的第五概率。
在该实现方式中,在所述第四类别预测结果中、最大的第四概率达到第四预设值的情况下,可以确定所述第四类别预测结果的置信度较高。在这种情况下,根据所述第四类别预测结果确定的所述训练图像的修正标签信息的准确性较高。在所述第四类别预测结果中、最大的第四概率未达到所述第四预设值的情况下,可以确定所述第四类别预测结果的置信度较低。在这种情况下,可以结合第五神经网络的类别预测结果,确定所述训练图像的修正标签信息,由此能够提高复杂图像(例如包含复杂背景的图像)的分类准确性。
在一种可能的实现方式中,在所述确定所述训练图像的修正标签信息之后,所述方法还包括:
根据所述修正标签信息和所述第五类别预测结果,训练所述第二神经网络。
根据该实现方式,可以实现对第二神经网络的参数的微调。
根据本公开的一方面,提供了一种图像分类装置,包括:
第一提取模块,用于提取待处理图像的特征;
分类模块,用于将所述待处理图像的特征输入第一神经网络,经由所述第一神经网络得到所述待处理图像的第一类别预测结果,其中,所述第一神经网络是基于训练图像的初始标签和附带信息训练的,其中,所述训练图像的附带信息表示所述训练图像的描述性信息。
在一种可能的实现方式中,所述训练图像的初始标签包括所述训练图像的网络标签,其中,所述训练图像的网络标签表示能够在搜索引擎中搜索到所述训练图像的关键字。
在一种可能的实现方式中,所述训练图像的附带信息包括所述训练图像的附带文字信息。
在一种可能的实现方式中,所述训练图像的附带文字信息包括以下至少之一:所述训练图像所属网页的标题、所述训练图像所属网页的关键字、所述训练图像所属网页的文本、所述训练图像所属网页的简介信息、所述训练图像的标题、所述训练图像的关键字、所述训练图像的简介信息。
在一种可能的实现方式中,所述第一类别预测结果包括所述待处理图像属于至少一个类别的第一概率;
所述装置还包括第一确定模块,所述第一确定模块用于:
响应于所述第一类别预测结果中、最大的第一概率达到第一预设值,根据所述第一类别预测结果,确定所述待处理图像所属的类别;
和/或,
响应于所述第一类别预测结果中、最大的第一概率未达到所述第一预设值,将所述待处理图像的特征输入第二神经网络,经由所述第二神经网络得到所述待处理图像的第二类别预测结果,并根据所述第一类别预测结果和所述第二类别预测结果,确定所述待处理图像所属的类别,其中,所述第二类别预测结果包括所述待处理图像属于至少一个类别的第二概率。
在一种可能的实现方式中,所述装置还包括:
选取模块,用于根据训练图像集中的训练图像的初始标签与附带信息之间的语义相关度,从所述训练图像集中选取锚点图像,其中,所述训练图像集包括多个训练图像;
第一预测模块,用于将所述锚点图像的特征输入所述第一神经网络,经由所述第一神经网络预测所述锚点图像的第三类别预测结果,其中,所述锚点图像的第三类别预测结果包括所述锚点图像属于至少一个类别的第三概率;
第一训练模块,用于根据所述锚点图像的初始标签和所述锚点图像的第三类别预测结果,训练所述第一神经网络。
在一种可能的实现方式中,所述装置还包括:
第一生成模块,用于对于训练图像集中的任一训练图像,生成所述训练图像的初始标签对应的第一词向量;
第二生成模块,用于生成所述训练图像的附带信息对应的第二词向量;
第二确定模块,用于根据所述第一词向量和所述第二词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度。
在一种可能的实现方式中,所述第一生成模块用于:
获取所述训练图像的初始标签的标签描述信息;
根据所述训练图像的初始标签的标签描述信息,生成所述训练图像的初始标签对应的第一词向量。
在一种可能的实现方式中,
所述装置还包括:处理模块,用于基于所述训练图像集中的训练图像之间的相似信息,对所述第二词向量进行处理,得到所述训练图像的附带信息对应的第三词向量;
所述第二确定模块用于:根据所述第一词向量和所述第三词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度。
在一种可能的实现方式中,所述训练图像集中的训练图像之间的相似信息包括:所述训练图像集中的任一训练图像是否为另一训练图像的近邻图像的信息;
所述装置还包括:
第二提取模块,用于提取所述训练图像集中的训练图像的特征;
第三确定模块,用于对于所述训练图像集中的任一训练图像,将所述训练图像集中、与所述训练图像的特征之间的相似度最大的k个训练图像,确定为所述训练图像的近邻图像,其中,k为正整数。
在一种可能的实现方式中,所述训练图像集中的训练图像之间的相似信息包括:所述训练图像集中的训练图像之间的相似度;
所述装置还包括第四确定模块,所述第四确定模块用于:
响应于第一训练图像为第二训练图像的近邻图像和/或所述第二训练图像为所述第一训练图像的近邻图像,根据所述第一训练图像的特征与所述第二训练图像的特征之间的相似度,确定所述第一训练图像与所述第二训练图像之间的相似度,其中,所述第一训练图像和所述第二训练图像为所述训练图像集中的任意两个训练图像;
和/或,
响应于所述第一训练图像不为所述第二训练图像的近邻图像且所述第二训练图像不为所述第一训练图像的近邻图像,将所述第一训练图像与所述第二训练图像之间的相似度确定为第二预设值。
在一种可能的实现方式中,所述处理模块用于:
基于所述训练图像集中的训练图像之间的相似度,生成所述训练图像集对应的相似度矩阵;
根据所述训练图像集对应的相似度矩阵,对所述第二词向量进行处理,得到所述训练图像的附带信息对应的第三词向量。
在一种可能的实现方式中,所述选取模块用于:
响应于所述训练图像的初始标签与附带信息之间的语义相关度,属于所述训练图像的初始标签对应的类别中最大的m个语义相关度之一,将所述训练图像确定为锚点图像。
在一种可能的实现方式中,所述装置还包括:
第二预测模块,用于在所述第一神经网络训练完成后,将所述训练图像集中的训练图像的特征输入所述第一神经网络,经由所述第一神经网络预测所述训练图像的第四类别预测结果,其中,所述第四类别预测结果包括所述训练图像属于至少一个类别的第四概率;
第五确定模块,用于根据所述第四类别预测结果,确定所述训练图像的修正标签信息。
在一种可能的实现方式中,所述第五确定模块用于:
响应于所述第四类别预测结果中、最大的第四概率达到第一预设值,根据所述第四类别预测结果,确定所述训练图像的修正标签信息;
和/或,
响应于所述第四类别预测结果中、最大的第四概率未达到所述第一预设值,将所述训练图像的特征输入第二神经网络,经由所述第二神经网络得到所述训练图像的第五类别预测结果,并根据所述第四类别预测结果和所述第五类别预测结果,确定所述训练图像的修正标签信息,其中,所述第五类别预测结果包括所述训练图像属于至少一个类别的第五概率。
在一种可能的实现方式中,所述装置还包括:
第二训练模块,用于根据所述修正标签信息和所述第五类别预测结果,训练所述第二神经网络。
根据本公开的一方面,提供了一种电子设备,包括:一个或多个处理器;用于存储可执行指令的存储器;其中,所述一个或多个处理器被配置为调用所述存储器存储的可执行指令,以执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中,通过提取待处理图像的特征,并将所述待处理图像的特征输入第一神经网络,经由所述第一神经网络得到所述待处理图像的第一类别预测结果,其中,所述第一神经网络是基于训练图像的初始标签和附带信息训练的,由此训练得到的第一神经网络能够纠正因语义歧义等因素带来的标签错误,从而能够提高图像分类的准确性。本公开实施例无需由人工参与训练图像的标注过程,从而能够在节省图像标注的时间成本和人力成本的前提下,提高图像分类的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出本公开实施例提供的图像分类方法的流程图。
图2示出本公开实施例的应用场景的示意图。
图3示出本公开实施例提供的图像分类装置的框图。
图4示出本公开实施例提供的一种电子设备800的框图。
图5示出本公开实施例提供的一种电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
通过关键字在搜索引擎中搜索图像,所使用的关键字可以作为搜索得到的图像的网络标签。例如,可以将搜索得到的图像作为训练图像,将用于搜索得到所述训练图像的关键字作为所述训练图像的标签。在根据网络标签得到的训练图像集中,容易因语义歧义引起训练图像的标签错误。例如,在搜索引擎中根据关键字“苹果”搜索得到的图像中,不仅包括水果中的苹果的图像,还包括大量手机产品的图像。相关技术中,无法纠正上述语义歧义带来的标签错误,导致根据网络标签训练得到的神经网络进行图像分类的准确性较低。
在本公开实施例中,基于训练图像的初始标签和附带信息训练用于图像分类的第一神经网络,由此训练得到的第一神经网络能够纠正因语义歧义等因素带来的标签错误,从而能够提高图像分类的准确性。本公开实施例无需由人工参与训练图像的标注过程,从而能够在节省图像标注的时间成本和人力成本的前提下,提高图像分类的准确性。
图1示出本公开实施例提供的图像分类方法的流程图。所述图像分类方法的执行主体可以是图像分类装置。在一种可能的实现方式中,所述图像分类方法可以由终端设备或服务器或其它处理设备执行。其中,终端设备可以是用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal DigitalAssistant,PDA)、手持设备、计算设备、车载设备或者可穿戴设备等。在一些可能的实现方式中,所述图像分类方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示,所述图像分类方法包括步骤S11至步骤S12。
在步骤S11中,提取待处理图像的特征。
在本公开实施例中,所述待处理图像可以表示需要进行分类的图像。在一种可能的实现方式中,可以通过预先训练的第二神经网络提取所述待处理图像的特征。在一个例子中,所述第二神经网络可以采用CNN(Convolutional Neural Networks,卷积神经网络)。例如,所述第二神经网络可以记为M(θc),其中,θc可以表示所述第二神经网络的参数。第二神经网络可以是基于训练图像集预先训练的。在一个例子中,可以将所述待处理图像输入所述第二神经网络,并将所述第二神经网络的全连接层的前一层输出的特征作为所述待处理图像的特征。当然,本领域技术人员可以根据实际应用场景需求灵活选择第二神经网络的类型,在此不作限定。在其他可能的实现方式中,还可以采用预先获取的特征提取矩阵、特征提取函数等提取所述待处理图像的特征。
在步骤S12中,将所述待处理图像的特征输入第一神经网络,经由所述第一神经网络得到所述待处理图像的第一类别预测结果,其中,所述第一神经网络是基于训练图像的初始标签和附带信息训练的,其中,所述训练图像的附带信息表示所述训练图像的描述性信息。
在本公开实施例中,所述第一类别预测结果表示所述第一神经网络得到的所述待处理图像的类别预测结果。
在一种可能的实现方式中,所述第一类别预测结果可以包括所述待处理图像所属的类别。例如,所述第一类别预测结果可以为“苹果”。在该实现方式中,所述待处理图像所属的类别可以包括一个或多个类别。
在另一种可能的实现方式中,所述第一类别预测结果可以包括所述待处理图像属于至少一个类别的第一概率。其中,所述第一概率表示所述第一类别预测结果中所述待处理图像属于至少一个类别的概率。例如,在所述第一类别预测结果中,所述待处理图像属于类别1的第一概率是0.1,属于类别2的第一概率是0.75,属于类别3的第一概率是0.1,等等。在该实现方式中,在得到所述第一类别预测结果之后,可以根据所述第一类别预测结果,确定所述待处理图像所属的类别。例如,可以将所述第一类别预测结果中、最大的第一概率对应的类别,确定为所述待处理图像所属的类别。又如,可以将所述第一类别预测结果中,达到第三预设值的第一概率对应的类别,确定为所述待处理图像所属的类别。例如,第三预设值可以等于0.7、0.75、0.8等。例如,所述待处理图像可以属于一个或多个类别,若在所述第一类别预测结果中,所述待处理图像属于类别1和类别2的第一概率均达到第三预设值,则可以将类别1和类别2分别确定为所述待处理图像所属的类别,即,可以确定所述待处理图像所属的类别包括类别1和类别2。
在另一种可能的实现方式中,所述第一类别预测结果包括所述待处理图像属于至少一个类别的第一概率;在所述经由所述第一神经网络得到所述待处理图像的第一类别预测结果之后,所述方法还包括:响应于所述第一类别预测结果中、最大的第一概率达到第一预设值,根据所述第一类别预测结果,确定所述待处理图像所属的类别;和/或,响应于所述第一类别预测结果中、最大的第一概率未达到所述第一预设值,将所述待处理图像的特征输入第二神经网络,经由所述第二神经网络得到所述待处理图像的第二类别预测结果,并根据所述第一类别预测结果和所述第二类别预测结果,确定所述待处理图像所属的类别,其中,所述第二类别预测结果包括所述待处理图像属于至少一个类别的第二概率。
在该实现方式中,响应于所述第一类别预测结果中、最大的第一概率达到第一预设值,可以确定所述第一类别预测结果的置信度较高。在这种情况下,可以根据所述第一类别预测结果,确定所述待处理图像所属的类别。例如,可以将所述第一类别预测结果中、最大的第一概率对应的类别,确定为所述待处理图像所属的类别。又如,可以将所述第一类别预测结果中,达到第三预设值的第一概率对应的类别,确定为所述待处理图像所属的类别,其中,所述第三预设值大于或等于所述第一预设值。响应于所述第一类别预测结果中、最大的第一概率未达到所述第一预设值,可以确定所述第一类别预测结果的置信度较低。在这种情况下,可以结合第二神经网络的类别预测结果,确定所述待处理图像所属的类别,由此能够提高复杂图像(例如包含复杂背景的图像)的分类准确性。其中,所述第二类别预测结果可以表示所述第二神经网络得到的所述待处理图像的类别预测结果。所述第二概率表示所述第二类别预测结果中所述待处理图像属于至少一个类别的概率。
在一个例子中,第一预设值可以记为τf。例如,τf可以等于0.7。当然,本领域技术人员可以根据实际应用场景需求灵活设置第一预设值,在此不作限定。
作为该实现方式的一个示例,响应于所述第一类别预测结果中、最大的第一概率未达到所述第一预设值,可以根据所述第一类别预测结果和所述第二类别预测结果的加权和,确定所述待处理图像所属的类别。在一个例子中,所述第一类别预测结果的权重与第二类别预测结果的权重之和可以为1。例如,第一类别预测结果的权重可以是λ,第二类别预测结果的权重可以是(1-λ)。例如,λ可以等于0.5。当然,本领域技术人员可以根据实际应用场景需求灵活设置λ的值,在此不作限定。在另一个例子,所述第一类别预测结果的权重与第二类别预测结果的权重之和可以不为1。
在一种可能的实现方式中,所述第一神经网络可以是GNN(Graph NeuralNetworks,图神经网络)。当然,本领域技术人员可以根据实际应用场景需求和/或个人喜好灵活选择第一神经网络的类型,在此不作限定。
在一个例子中,第i个训练图像可以记为xi。训练图像xi的初始标签的向量可以记为例如,可以是类似[0,0,1,0,0]的数据形式,以表示训练图像xi的初始标签属于第3个类别。当然,在实际应用场景中,一个训练图像可以包含一个或多个初始标签,可以属于一个或多个类别,类别的总数也可以更多或更少。例如,训练图像集可以记为即,训练图像集可以包括N个训练图像,其中,N为大于1的正整数,所述训练图像集可以记为x。根据所述训练图像集中的各个训练图像的初始标签的向量,可以得到所述训练图像集对应的初始标签的向量矩阵y。训练图像xi的初始标签的名称可以记为根据所述训练图像集中的各个训练图像的初始标签的名称,可以得到所述训练图像集对应的初始标签的名称矩阵
在本公开实施例中,所述第一神经网络预测得到的所述待处理图像的类别能够作为所述待处理图像的标签。例如,所述待处理图像所属的类别是“苹果”,则可以将“苹果”作为所述待处理图像的标签。因此,采用本公开实施例还能够实现图像的准确标注。
在本公开实施例中,通过提取待处理图像的特征,并将所述待处理图像的特征输入第一神经网络,经由所述第一神经网络得到所述待处理图像的第一类别预测结果,其中,所述第一神经网络是基于训练图像的初始标签和附带信息训练的,由此能够基于训练图像的初始标签和附带信息训练得到用于图像分类的第一神经网络,能够在节省图像标注的时间成本和人力成本的前提下,提高图像分类的准确性。
在一种可能的实现方式中,所述训练图像的初始标签包括所述训练图像的网络标签,其中,所述训练图像的网络标签表示能够在搜索引擎中搜索到所述训练图像的关键字。例如,在搜索引擎中通过关键字“苹果”搜索到的图像,可以作为训练图像,并可以将“苹果”作为这些训练图像的网络标签。根据该实现方式,能够利用训练图像的网络标签对第一神经网络进行训练,即,能够利用低成本的网络标签数据集替代昂贵的人工标注数据集,由此能够大大降低标注训练图像的时间成本和人力成本。
在其他可能的实现方式中,所述训练图像的初始标签还可以包括采用相关技术中的用于图像标注的神经网络得到的训练图像的标签等。
在一种可能的实现方式中,所述训练图像的附带信息包括所述训练图像的附带文字信息。在该实现方式中,通过结合所述训练图像的附带文字信息训练所述第一神经网络,由此训练得到的第一神经网络能够纠正训练图像中因语义歧义等因素带来的标签错误,从而能够利用训练得到的第一神经网络进行高质量的图像分类。
作为该实现方式的一个示例,所述训练图像的附带文字信息包括以下至少之一:所述训练图像所属网页的标题、所述训练图像所属网页的关键字、所述训练图像所属网页的文本、所述训练图像所属网页的简介信息、所述训练图像的标题、所述训练图像的关键字、所述训练图像的简介信息。在该示例中,通过结合上述至少之一的附带文字信息,能够获得所述训练图像的更丰富的信息,从而能够有助于第一神经网络理解所述训练图像的正确语义。
在其他可能的实现方式中,所述训练图像的附带信息还可以包括以下至少之一:所述训练图像的附带音频信息、所述训练图像的附带视频信息、所述训练图像的附带图像信息。其中,所述训练图像的附带音频信息可以表示所述训练图像所属网页中的音频信息,所述训练图像的附带视频信息可以表示所述训练图像所属网页中的视频信息,所述训练图像的附带图像信息可以表示所述训练图像所属网页中的其他图像的信息。作为该实现方式的一个示例,可以根据所述训练图像的附带音频信息的标题、简介、作者、演唱者、演奏者、歌词等中的至少之一,得到所述训练图像的附带文字信息。作为该实现方式的另一个示例,可以对所述训练图像的附带音频信息进行音频分析,确定所述训练图像的附带音频信息的音乐类型,并根据所述训练图像的附带音频信息的音乐类型,得到所述训练图像的附带文字信息。作为该实现方式的一个示例,可以根据训练图像的附带视频信息的标题、简介、上传者、出演人员、字幕等中的至少之一,得到所述训练图像的附带文字信息。作为该实现方式的另一个示例,可以对所述训练图像的附带视频信息进行视频分析和/或图像分析,得到所述训练图像的附带文字信息。例如,可以根据视频分析和/或图像分析得到的人物信息、物品信息、景物信息等中的至少之一,得到所述训练图像的附带文字信息。作为该实现方式的一个示例,可以根据所述训练图像的附带图像信息的标题、简介、关键字等中的至少之一,得到所述训练图像的附带文字信息。作为该实现方式的另一个示例,可以对所述训练图像的附带图像信息进行图像分析,得到所述训练图像的附带文字信息。
在一种可能的实现方式中,在所述将所述待处理图像的特征输入第一神经网络之前,所述方法还包括:根据训练图像集中的训练图像的初始标签与附带信息之间的语义相关度,从所述训练图像集中选取锚点图像,其中,所述训练图像集包括多个训练图像;将所述锚点图像的特征输入所述第一神经网络,经由所述第一神经网络预测所述锚点图像的第三类别预测结果,其中,所述锚点图像的第三类别预测结果包括所述锚点图像属于至少一个类别的第三概率;根据所述锚点图像的初始标签和所述锚点图像的第三类别预测结果,训练所述第一神经网络。
在该实现方式中,若所述训练图像集中的任一训练图像的初始标签与附带信息之间的语义相关度越高,则所述训练图像的初始标签与附带信息之间的语义相关性越强,所述训练图像的初始标签能够表示所述训练图像的正确语义信息的可能性越高;若所述训练图像的初始标签与附带信息之间的语义相关度越低,则所述训练图像的初始标签与附带信息之间的语义相关性越弱,所述训练图像的初始标签能够表示所述训练图像的正确语义信息的可能性越低。在该实现方式中,可以根据训练图像集中的训练图像的初始标签与附带信息之间的语义相关度,从所述训练图像集中,选取初始标签与附带信息之间的语义相关度高的训练图像作为锚点图像,并可以将所述训练图像集中除锚点图像以外的图像作为非锚点图像。其中,所述第三类别预测结果可以表示所述第一神经网络得到的所述锚点图像的类别预测结果。所述第三概率表示所述第三类别预测结果中所述锚点图像属于至少一个类别的概率。
在该实现方式中,通过利用所述训练图像的附带信息,找到初始标签的正确语义所对应的典型图像作为锚点图像,并采用所述锚点图像的初始标签(例如网络标签)对所述第一神经网络进行监督学习,根据所述锚点图像的初始标签和所述锚点图像的第三类别预测结果,训练所述第一神经网络,由此能够使所述第一神经网络学习到准确地预测图像的标签的能力,从而能够高质量地完成图像分类任务。
作为该实现方式的一个示例,可以将所述训练图像(包括锚点图像)输入所述第二神经网络,并将所述第二神经网络的全连接层的前一层输出的特征作为所述训练图像的特征。例如,训练图像xi的特征可以记为si,根据所述训练图像集中的各个训练图像的特征,可以得到训练图像集对应的特征矩阵s。
作为该实现方式的一个示例,所述方法还包括:对于训练图像集中的任一训练图像,生成所述训练图像的初始标签对应的第一词向量;生成所述训练图像的附带信息对应的第二词向量;根据所述第一词向量和所述第二词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度。
在该示例中,任一训练图像的初始标签对应的第一词向量,可以表示所述训练图像的初始标签的名称对应的第一词向量。在该示例中,可以采用词向量编码的方法,生成所述训练图像的初始标签的名称对应的第一词向量。例如,可以采用one-hot、word2vec等词向量编码方法。例如,训练图像xi的初始标签的名称对应的第一词向量可以记为li。根据所述训练图像集中的各个训练图像的初始标签对应的第一词向量,可以得到所述训练图像集对应的第一词向量矩阵l。
在该示例中,可以采用词向量编码的方法,得到所述训练图像的附带信息对应的第二词向量。例如,训练图像的xi的附带信息对应的第二词向量可以记为ti。根据所述训练图像集中的各个训练图像的附带信息对应的第二词向量,可以得到所述训练图像集对应的附带信息矩阵根据所述训练图像集中的各个训练图像的附带信息对应的第二词向量,可以得到所述训练图像集对应的第二词向量矩阵t。例如,可以采用式1得到训练图像的xi的附带信息对应的第二词向量ti:
其中,Edoc可以表示用于词向量编码的函数。
在该示例中,通过生成所述训练图像的初始标签对应的第一词向量,生成所述训练图像的附带信息对应的第二词向量,并根据所述第一词向量和所述第二词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度,由此确定的所述训练图像的初始标签与附带信息之间的语义相关度能够准确地反映所述训练图像的初始标签与附带信息之间的语义相关性。
在其他示例中,还可以采用TF-IDF(Term Frequency–Inverse DocumentFrequency,词频-逆文档频率)、BM25等方法确定所述训练图像的初始标签与附带信息之间的语义相关度,在此不作限定。
在一个例子中,所述生成所述训练图像的初始标签对应的第一词向量,包括:获取所述训练图像的初始标签的标签描述信息;根据所述训练图像的初始标签的标签描述信息,生成所述训练图像的初始标签对应的第一词向量。在这个例子中,可以采用WordNet或者其他字典查询的方式,获取所述训练图像的初始标签的标签描述信息。所述训练图像的初始标签的标签描述信息,可以表示用于描述所述训练图像的初始标签的信息。例如,所述训练图像的初始标签的标签描述信息可以包括所述训练图像的初始标签的定义、所述训练图像的初始标签的同义词、所述训练图像的初始标签的近义词、所述训练图像的初始标签的下位词、所述训练图像的初始标签的上位词等中的至少之一。例如,训练图像xi的初始标签的名称的标签描述信息可以记为可以采用式2得到训练图像xi的初始标签对应的第一词向量li:
在这个例子中,可以对所述训练图像的初始标签的标签描述信息进行词向量编码,得到所述训练图像的初始标签对应的第一词向量。通过获取所述训练图像的初始标签的标签描述信息,并根据所述训练图像的初始标签的标签描述信息,生成所述训练图像的初始标签对应的第一词向量,由此生成的所述训练图像的初始标签对应的第一词向量能够体现初始标签的更丰富的信息,从而有助于更准确地确定训练图像的初始标签与附带信息之间的语义相关度。
在另一个例子中,可以直接根据所述训练图像的初始标签的名称,生成所述训练图像的初始标签对应的第一词向量。例如,可以对所述训练图像的初始标签的名称进行词向量编码,得到所述训练图像的初始标签对应的第一词向量。
在一个例子中,所述方法还包括:基于所述训练图像集中的训练图像之间的相似信息,对所述第二词向量进行处理,得到所述训练图像的附带信息对应的第三词向量;所述根据所述第一词向量和所述第二词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度,包括:根据所述第一词向量和所述第三词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度。在这个例子中,通过根据所述训练图像集中的训练图像之间的相似信息,对所述第二词向量进行处理,由此得到的所述训练图像的附带信息对应的第三词向量能够更准确地反映所述训练图像的语义信息。通过根据所述第一词向量和所述第三词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度,由此确定的所述训练图像的初始标签与附带信息之间的语义相关度能够更准确地反映所述训练图像的初始标签与附带信息之间的语义相关性。
在另一个例子中,可以根据所述第一词向量与所述第二词向量之间的相似度,确定所述训练图像的初始标签与附带信息之间的语义相关度。例如,可以将所述第一词向量与所述第二词向量之间的相似度,作为所述训练图像的初始标签与附带信息之间的语义相关度。
在一个示例中,在所述基于所述训练图像集中的训练图像之间的相似信息,对所述第二词向量进行处理之前,所述方法还包括:提取所述训练图像集中的训练图像的特征;根据所述训练图像集中的训练图像的特征,确定所述训练图像集中的训练图像之间的相似信息。在该示例中,所述训练图像集中的训练图像之间的相似信息,可以包括以下至少之一:所述训练图像集中的任一训练图像是否为另一训练图像的近邻图像的信息、所述训练图像集中的训练图像之间的相似度、所述训练图像集中的任意两个训练图像的特征之间的相似度。
在一个例子中,所述训练图像集中的训练图像之间的相似信息包括:所述训练图像集中的任一训练图像是否为另一训练图像的近邻图像的信息;在所述基于所述训练图像集中的训练图像之间的相似信息,对所述第二词向量进行处理之前,所述方法还包括:提取所述训练图像集中的训练图像的特征;对于所述训练图像集中的任一训练图像,将所述训练图像集中、与所述训练图像的特征之间的相似度最大的k个训练图像,确定为所述训练图像的近邻图像,其中,k为正整数。例如,若在所述训练图像集中、与所述训练图像xi的特征之间的相似度最大的k个训练图像包括训练图像xj,则训练图像xj为训练图像xi的近邻图像;若在所述训练图像集中、与所述训练图像xi的特征之间的相似度最大的k个训练图像不包括训练图像xj,则训练图像xj不为训练图像xi的近邻图像。在这个例子中,可以将所述训练图像集中的任一训练图像是否为另一训练图像的近邻图像的信息,作为所述训练图像集中的训练图像之间的相似信息。根据这个例子所确定的所述训练图像集中的训练图像之间的相似信息,能够较准确地反映训练图像在语义上的关联性。
在一个例子中,所述训练图像集中的训练图像之间的相似信息包括:所述训练图像集中的训练图像之间的相似度;在所述对于所述训练图像集中的任一训练图像,将所述训练图像集中、与所述训练图像的特征之间的相似度最大的k个训练图像,确定为所述训练图像的近邻图像之后,所述方法还包括:响应于第一训练图像为第二训练图像的近邻图像和/或所述第二训练图像为所述第一训练图像的近邻图像,根据所述第一训练图像的特征与所述第二训练图像的特征之间的相似度,确定所述第一训练图像与所述第二训练图像之间的相似度,其中,所述第一训练图像和所述第二训练图像为所述训练图像集中的任意两个训练图像;和/或,响应于所述第一训练图像不为所述第二训练图像的近邻图像且所述第二训练图像不为所述第一训练图像的近邻图像,将所述第一训练图像与所述第二训练图像之间的相似度确定为第二预设值。根据这个例子,有助于提高第一神经网络的训练效率,并有助于提高第一神经网络的分类准确性。
在这个例子中,响应于第一训练图像为第二训练图像的近邻图像和/或所述第二训练图像为所述第一训练图像的近邻图像,所述第一训练图像与所述第二训练图像之间的相似度,与所述第一训练图像的特征与所述第二训练图像的特征之间的相似度正相关。例如,响应于第一训练图像为第二训练图像的近邻图像和/或所述第二训练图像为所述第一训练图像的近邻图像,可以将所述第一训练图像的特征与所述第二训练图像的特征之间的相似度,作为所述第一训练图像与所述第二训练图像之间的相似度。又如,响应于第一训练图像为第二训练图像的近邻图像和/或所述第二训练图像为所述第一训练图像的近邻图像,可以将所述第一训练图像的特征与所述第二训练图像的特征之间的相似度与第一预设系数的乘积,作为所述第一训练图像与所述第二训练图像之间的相似度,其中,第一预设系数大于0。
在这个例子中,响应于所述第一训练图像不为所述第二训练图像的近邻图像且所述第二训练图像不为所述第一训练图像的近邻图像,可以将所述第一训练图像与所述第二训练图像之间的相似度确定为与所述第一训练图像的特征与所述第二训练图像的特征之间的相似度无关。所述第二预设值可以小于所述第一训练图像的特征与所述第二训练图像的特征之间的相似度。例如,所述第二预设值为0。当然,本领域技术人员可以根据实际应用场景需求灵活确定第二预设值的取值,在此不作限定。
在一个例子中,所述方法还包括:根据所述训练图像集中的训练图像的特征,生成所述训练图像集对应的无向图,其中,所述无向图中的节点表示所述训练图像集中的训练图像,所述无向图中的节点之间的边表示所述训练图像集中的训练图像之间的相似信息。例如,所述训练图像集有10万个训练图像,则所述无向图可以包括10万个节点。在这个例子中,可以将所述训练图像集中的各个训练图像分别作为所述无向图中的节点。例如,所述无向图可以记为其中,表示所述无向图中的节点,ε表示节点之间的边。例如,所述无向图可以是kNN(k-Nearest Neighbor,k最近邻)拓扑图。在这个例子中,通过生成所述训练图像集对应的无向图,由此所述第一神经网络能够基于所述无向图进行图像处理。通过采用锚点图像训练所述第一神经网络,能够使所述锚点图像的信息扩散至整个无向图,从而能够基于所述第一神经网络得到所述训练图像集中的各个训练图像的修正标签。
在一个例子中,所述方法还包括:在所述无向图中,建立任一训练图像对应的节点与所述训练图像的近邻图像对应的节点之间的边。在这个例子中,若第一训练图像为第二训练图像的近邻图像,则第一训练图像对应的节点为第二训练图像对应的节点的近邻节点。在一个例子中,若节点vi属于节点vj的k近邻节点或者节点vj属于节点vi的k近邻节点(即训练图像xi为训练图像xj的近邻图像),则在所述无向图中,建立节点vi与节点vj之间的边;若节点vi不属于节点vj的k近邻节点且节点vj不属于节点vi的k近邻节点(即训练图像xi不为训练图像xj的近邻图像),则在所述无向图中,不建立节点vi与节点vj之间的边。其中,在节点vi属于节点vj的k近邻节点或者节点vj属于节点vi的k近邻节点的情况下,可以根据训练图像xi的特征与训练图像xj的特征之间的相似度,确定节点vi与节点vj之间的边的权重。其中,节点vi与节点vj之间的边的权重,与训练图像xi的特征与训练图像xj的特征之间的相似度正相关。即,训练图像xi的特征与训练图像xj的特征之间的相似度越大,则节点vi与节点vj之间的边的权重越大;训练图像xi的特征与训练图像xj的特征之间的相似度越小,则节点vi与节点vj之间的边的权重越小。例如,可以将训练图像xi的特征与训练图像xj的特征之间的相似度,作为节点vi与节点vj之间的边的权重。又如,可以将训练图像xi的特征与训练图像xj的特征之间的相似度与第二预设系数的乘积,作为节点vi与节点vj之间的边的权重,其中,第二预设系数大于0。
例如,所述无向图中的节点之间的边的权重可以通过式3来确定:
其中,vi表示训练图像xi对应的节点,vj表示训练图像xj对应的节点,si表示训练图像xi的特征,sj表示训练图像xj的特征,vi∈Nk(vj)表示节点vi属于节点vj的k近邻节点(即,在所述训练图像集中、与所述训练图像xj的特征之间的相似度最大的k个训练图像包括训练图像xi),vj∈Nk(vi)表示节点vj属于节点vi的k近邻节点(即,在所述训练图像集中、与所述训练图像xi的特征之间的相似度最大的k个训练图像包括训练图像xj)。
在另一个例子中,可以建立所述无向图的每两个节点之间的边,并根据式3确定节点之间的边的权重。即,在这个例子中,所述无向图中的任意两个节点之间均有边。
在一个例子中,所述基于所述训练图像集中的训练图像之间的相似信息,对所述第二词向量进行处理,得到所述训练图像的附带信息对应的第三词向量,包括:基于所述训练图像集中的训练图像之间的相似度,生成所述训练图像集对应的相似度矩阵;根据所述训练图像集对应的相似度矩阵,对所述第二词向量进行处理,得到所述训练图像的附带信息对应的第三词向量。在这个例子中,所述训练图像集对应的相似度矩阵中的元素可以表示所述训练图像集中的训练图像之间的相似度。通过根据所述训练图像集对应的相似度矩阵,对所述第二词向量进行处理,得到所述训练图像的附带信息对应的第三词向量,由此得到的所述训练图像的附带信息对应的第三词向量能够更准确地反映所述训练图像的语义信息。在一个例子中,可以采用式4对所述第二词向量进行处理,得到所述训练图像的附带信息对应的第三词向量:
其中,t表示根据所述训练图像集中的各个训练图像的附带信息对应的第二词向量ti得到的矩阵,表示根据所述训练图像集中的各个训练图像的附带信息对应的第三词向量得到的矩阵;D是对角矩阵,Dii=∑jAij;A是所述训练图像集对应的相似度矩阵,是根据Aij得到的矩阵;I是单位矩阵;ω是超参,例如,ω可以取值为0.5,当然,本领域技术人员可以根据实际应用场景需求灵活确定ω的取值,在此不作限定。
作为该实现方式的一个示例,所述根据所述训练图像的初始标签与附带信息之间的语义相关度,从所述训练图像集中选取锚点图像,包括:响应于所述训练图像的初始标签与附带信息之间的语义相关度,属于所述训练图像的初始标签对应的类别中最大的m个语义相关度之一,将所述训练图像确定为锚点图像。
在该示例中,可以是多个初始标签对应于一个类别,也可以是一个初始标签对应于一个类别,换言之,初始标签与类别之间可以是多对一或者一对一的关系。例如,初始标签“手电筒”和“电筒”可以对应于同一个类别“手电筒”,初始标签“土豆”和“马铃薯”可以对应于同一个类别“土豆”,初始标签“苹果”可以对应于类别“苹果”。在该示例中,所述训练图像的初始标签与附带信息之间的语义相关度越高,则所述训练图像的初始标签能够表示所述训练图像的正确语义信息的可能性越高;所述训练图像的初始标签与附带信息之间的语义相关度越低,则所述训练图像的初始标签能够表示所述训练图像的正确语义信息的可能性越低。在一个例子中,可以采用式5确定锚点图像:
其中,等于训练图像xi的初始标签对应的类别中,初始标签与附带信息之间的语义相关度第m大的训练图像对应的语义相关度。例如,在初始标签对应的类别中,包括M个训练图像,分别是训练图像1至训练图像M,其中,M大于m。在这M个训练图像中,训练图像2的初始标签与附带信息之间的语义相关度最大,训练图像5的初始标签与附带信息之间的语义相关度第二大,……,训练图像6的初始标签与附带信息之间的语义相关度第m大,那么,则可以将训练图像6的初始标签与附带信息之间的语义相关度作为若在这M个训练图像中,训练图像2、训练图像5、训练图像8、训练图像3、训练图像9、训练图像4的初始标签与附带信息之间的语义相关度大于则可以将训练图像2、训练图像5、训练图像8、训练图像3、训练图像9、训练图像4和训练图像6作为该类别的锚点图像。根据式5,能够从各个类别中,分别选取m个初始标签与附带信息之间的语义相关度最大的训练图像作为锚点图像。例如,总共有C个类别,则可以选取m×C个锚点图像,得到锚点图像集
在该示例中,通过响应于所述训练图像的初始标签与附带信息之间的语义相关度,属于所述训练图像的初始标签对应的类别中最大的m个语义相关度之一,将所述训练图像确定为锚点图像,由此能够为每个类别选取属于该类别的可能性最大的m个训练图像作为锚点图像。利用这些锚点图像训练第一神经网络,能够提高第一神经网络进行图像分类的准确性。
在一种可能的实现方式中,所述第一神经网络的第r层的输出h(r)可以采用式6确定:
其中,h(r-1)表示所述第一神经网络的第r-1层的输出,即所述第一神经网络的第r层的输入;r∈{1,...,R},其中,R表示所述第一神经网络的总层数;h(0)为所述第一神经网络输入图像的特征(例如s);表示所述第一神经网络的第r层的参数,可以是可训练的。所述第一神经网络的输出可以记为h(R)=p(y|s,θg)=pg,其中,θg可以表示所述第一神经网络的所有层的可训练的参数。
在一种可能的实现方式中,可以采用式7所示的损失函数训练第一神经网络:
在一种可能的实现方式中,可以响应于所述第一神经网络预测的训练图像的标签收敛,确定所述第一神经网络训练完成。即,若检测到所述第一神经网络预测的训练图像的标签收敛,则可以结束所述第一神经网络的训练流程。其中,所述第一神经网络预测的训练图像的标签收敛,可以表示在所述第一神经网络的连续两轮的训练中,所述第一神经网络预测的训练图像的标签未发生变化,或者所述第一神经网络预测的训练图像的标签中、发生变化的比例小于或等于预设比例。在一个例子中,在所述第一神经网络训练完成后,所述第一神经网络的参数可以记为
在一种可能的实现方式中,所述方法还包括:在所述第一神经网络训练完成后,将所述训练图像集中的训练图像的特征输入所述第一神经网络,经由所述第一神经网络预测所述训练图像的第四类别预测结果,其中,所述第四类别预测结果包括所述训练图像属于至少一个类别的第四概率;根据所述第四类别预测结果,确定所述训练图像的修正标签信息。其中,所述第四类别预测结果可以表示所述第一神经网络训练完成后,所述第一神经网络得到的所述训练图像的类别预测结果。所述第四概率表示所述第四类别预测结果中所述训练图像属于至少一个类别的概率。根据该实现方式,在所述第一神经网络训练完成后,可以得到所述训练图像集中的各个训练图像的修正标签。
作为该实现方式的一个示例,所述根据所述第四类别预测结果,确定所述训练图像的修正标签信息,包括:响应于所述第四类别预测结果中、最大的第四概率达到第一预设值,根据所述第四类别预测结果,确定所述训练图像的修正标签信息;和/或,响应于所述第四类别预测结果中、最大的第四概率未达到所述第一预设值,将所述训练图像的特征输入第二神经网络,经由所述第二神经网络得到所述训练图像的第五类别预测结果,并根据所述第四类别预测结果和所述第五类别预测结果,确定所述训练图像的修正标签信息,其中,所述第五类别预测结果包括所述训练图像属于至少一个类别的第五概率。
在该示例中,在所述第四类别预测结果中、最大的第四概率达到第四预设值的情况下,可以确定所述第四类别预测结果的置信度较高。在这种情况下,可以根据所述第四类别预测结果,确定所述训练图像的修正标签信息。例如,可以将所述第四类别预测结果中、最大的第四概率对应的类别的名称,确定为所述训练图像的修正标签。又如,可以将所述第四类别预测结果中,达到第三预设值的第四概率对应的类别的名称,确定为所述训练图像的修正标签,其中,所述第三预设值大于或等于所述第一预设值。在所述第四类别预测结果中、最大的第四概率未达到所述第四预设值的情况下,可以确定所述第四类别预测结果的置信度较低。在这种情况下,可以结合第五神经网络的类别预测结果,确定所述训练图像的修正标签信息,由此能够提高复杂图像(例如包含复杂背景的图像)的分类准确性。其中,所述第五类别预测结果可以表示所述第五神经网络得到的所述训练图像的类别预测结果。所述第五概率表示所述第五类别预测结果中所述训练图像属于至少一个类别的概率。
作为该实现方式的一个示例,所述修正标签信息可以包括所述训练图像所属的类别,从而可以确定所述训练图像的修正标签。例如,所述修正标签信息可以包括类别“手机”,从而,可以确定所述训练图像的修正标签为“手机”。
作为该实现方式的一个示例,所述修正标签信息可以包括所述训练图像属于至少一个类别的第六概率。
在一个例子中,所述根据所述第四类别预测结果和所述第五类别预测结果,确定所述训练图像的修正标签信息,可以包括:根据所述第四类别预测结果和所述第五类别预测结果的加权和,确定所述训练图像的修正标签信息。例如,可以采用式8确定所述训练图像xi的修正标签信息
其中,表示所述第一神经网络预测的训练图像xi的第四类别预测结果,表示所述第二神经网络预测的训练图像xi的第五类别预测结果,τf表示第一预设值,表示所述第四类别预测结果中最大的第四概率,λ表示的权重,(1-λ)表示的权重。
例如,和可以是类似[0.01,0.02,0.85,0.10,0.02]的数据形式,可以包含训练图像xi属于各个类别的第四概率,可以包含训练图像xi属于各个类别的第五概率,可以包含训练图像xi属于各个类别的第六概率。
在一个例子中,在所述确定所述训练图像的修正标签信息之后,所述方法还包括:根据所述修正标签信息和所述第五类别预测结果,训练所述第二神经网络。根据这个例子,可以实现对第二神经网络的参数的微调。例如,可以采用式9所示的损失函数训练第二神经网络:
其中,pfi表示训练图像xi的修正标签信息,p(y|s,θc)=pc。
下面通过一个具体的应用场景说明本公开实施例提供的用于图像分类的神经网络的训练方法。图2示出本公开实施例的应用场景的示意图。在图2所示的示例中,第一神经网络为GNN,第二神经网络为CNN。
如图2所示,训练图像集x可以包括N个训练图像,例如,训练图像集x中的第i个训练图像可以记为xi。CNN提取训练图像集x中的各个训练图像的特征,可以得到训练图像集对应的特征矩阵s,其中,训练图像xi的特征可以记为si。根据训练图像集对应的特征矩阵s中的各个训练图像的特征,可以生成无向图
根据所述训练图像集中的各个训练图像的附带信息,可以得到所述训练图像集对应的附带信息矩阵其中,训练图像的xi的附带信息可以记为对所述附带信息矩阵中的各个训练图像的附带信息进行词向量编码,可以得到所述训练图像集对应的第二词向量矩阵t,其中,训练图像的xi的附带信息对应的第二词向量可以记为ti。通过无向图对所述第二词向量矩阵t中的各个第二词向量进行增强处理,可以得到各个第二词向量对应的第三词向量。例如,训练图像的xi的附带信息对应的第三词向量可以记为图2中的可以表示根据所述训练图像集中的各个训练图像的附带信息对应的第三词向量得到的矩阵,即,可以表示所述训练图像集对应的第三词向量矩阵。
训练图像xi的初始标签的名称可以记为例如,图2中第一个训练图像的初始标签的名称为“虎皮猫”。根据所述训练图像集中的各个训练图像的初始标签的名称,可以得到所述训练图像集对应的初始标签的名称矩阵采用WordNet,可以获取所述初始标签的名称矩阵中的各个初始标签的标签描述信息。根据训练图像xi的初始标签的名称的标签描述信息进行词向量编码,可以得到所述训练图像xi的初始标签对应的第一词向量li。根据所述训练图像集中的各个训练图像的初始标签对应的第一词向量,可以得到所述训练图像集对应的第一词向量矩阵l。
根据第三词向量矩阵和第一词向量矩阵l,可以确定训练图像集中的各个训练图像对应的语义相关度(即各个训练图像的初始标签与附带信息之间的语义相关度)。例如,对于训练图像xi,可以将与li的余弦相似度,作为训练图像xi对应的语义相关度。锚点图像选择器可以针对每个类别,分别选取语义相关度最大的m个训练图像作为锚点图像,从而能够得到锚点图像集
GNN基于无向图并利用锚点图像集中的各个锚点图像的特征和初始标签的向量,进行训练。图2中,y表示根据所述训练图像集中的各个训练图像的初始标签的向量,得到的所述训练图像集对应的初始标签的向量矩阵。在GNN训练完成后,可以得到新的无向图在GNN训练完成后,可以将训练图像集中的各个训练图像的特征分别输入GNN,经由GNN预测各个训练图像的第四类别预测结果。对于训练图像xi,在的情况下,可以根据所述第四类别预测结果确定训练图像xi的修正标签信息;在的情况下,将训练图像xi的特征输入CNN,经由CNN得到训练图像xi的第五类别预测结果并根据所述第四类别预测结果和所述第五类别预测结果的加权和确定训练图像xi的修正标签信息。在图2中,pg表示GNN输出的训练图像集的类别预测结果,pg可以包括GNN输出的训练图像集中的各个训练图像的类别预测结果;pc表示CNN输出的训练图像集的类别预测结果,pc可以包括CNN输出的训练图像集中的各个训练图像的类别预测结果;pf表示训练图像集的修正标签信息,pf可以包括训练图像集中的各个训练图像的修正标签信息。
本公开实施例可以应用于图像识别和/或分类器、图像识别和/或分类工具库、视频解析等应用场景中。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了图像分类装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种图像分类方法,相应技术方案和技术效果可参见方法部分的相应记载,不再赘述。
图3示出本公开实施例提供的图像分类装置的框图。如图3所示,所述图像分类装置包括:第一提取模块31,用于提取待处理图像的特征;分类模块32,用于将所述待处理图像的特征输入第一神经网络,经由所述第一神经网络得到所述待处理图像的第一类别预测结果,其中,所述第一神经网络是基于训练图像的初始标签和附带信息训练的,其中,所述训练图像的附带信息表示所述训练图像的描述性信息。
在一种可能的实现方式中,所述训练图像的初始标签包括所述训练图像的网络标签,其中,所述训练图像的网络标签表示能够在搜索引擎中搜索到所述训练图像的关键字。
在一种可能的实现方式中,所述训练图像的附带信息包括所述训练图像的附带文字信息。
在一种可能的实现方式中,所述训练图像的附带文字信息包括以下至少之一:所述训练图像所属网页的标题、所述训练图像所属网页的关键字、所述训练图像所属网页的文本、所述训练图像所属网页的简介信息、所述训练图像的标题、所述训练图像的关键字、所述训练图像的简介信息。
在一种可能的实现方式中,所述第一类别预测结果包括所述待处理图像属于至少一个类别的第一概率;所述装置还包括第一确定模块,所述第一确定模块用于:响应于所述第一类别预测结果中、最大的第一概率达到第一预设值,根据所述第一类别预测结果,确定所述待处理图像所属的类别;和/或,响应于所述第一类别预测结果中、最大的第一概率未达到所述第一预设值,将所述待处理图像的特征输入第二神经网络,经由所述第二神经网络得到所述待处理图像的第二类别预测结果,并根据所述第一类别预测结果和所述第二类别预测结果,确定所述待处理图像所属的类别,其中,所述第二类别预测结果包括所述待处理图像属于至少一个类别的第二概率。
在一种可能的实现方式中,所述装置还包括:选取模块,用于根据训练图像集中的训练图像的初始标签与附带信息之间的语义相关度,从所述训练图像集中选取锚点图像,其中,所述训练图像集包括多个训练图像;第一预测模块,用于将所述锚点图像的特征输入所述第一神经网络,经由所述第一神经网络预测所述锚点图像的第三类别预测结果,其中,所述锚点图像的第三类别预测结果包括所述锚点图像属于至少一个类别的第三概率;第一训练模块,用于根据所述锚点图像的初始标签和所述锚点图像的第三类别预测结果,训练所述第一神经网络。
在一种可能的实现方式中,所述装置还包括:第一生成模块,用于对于训练图像集中的任一训练图像,生成所述训练图像的初始标签对应的第一词向量;第二生成模块,用于生成所述训练图像的附带信息对应的第二词向量;第二确定模块,用于根据所述第一词向量和所述第二词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度。
在一种可能的实现方式中,所述第一生成模块用于:获取所述训练图像的初始标签的标签描述信息;根据所述训练图像的初始标签的标签描述信息,生成所述训练图像的初始标签对应的第一词向量。
在一种可能的实现方式中,所述装置还包括:处理模块,用于基于所述训练图像集中的训练图像之间的相似信息,对所述第二词向量进行处理,得到所述训练图像的附带信息对应的第三词向量;所述第二确定模块用于:根据所述第一词向量和所述第三词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度。
在一种可能的实现方式中,所述训练图像集中的训练图像之间的相似信息包括:所述训练图像集中的任一训练图像是否为另一训练图像的近邻图像的信息;所述装置还包括:第二提取模块,用于提取所述训练图像集中的训练图像的特征;第三确定模块,用于对于所述训练图像集中的任一训练图像,将所述训练图像集中、与所述训练图像的特征之间的相似度最大的k个训练图像,确定为所述训练图像的近邻图像,其中,k为正整数。
在一种可能的实现方式中,所述训练图像集中的训练图像之间的相似信息包括:所述训练图像集中的训练图像之间的相似度;所述装置还包括第四确定模块,所述第四确定模块用于:响应于第一训练图像为第二训练图像的近邻图像和/或所述第二训练图像为所述第一训练图像的近邻图像,根据所述第一训练图像的特征与所述第二训练图像的特征之间的相似度,确定所述第一训练图像与所述第二训练图像之间的相似度,其中,所述第一训练图像和所述第二训练图像为所述训练图像集中的任意两个训练图像;和/或,响应于所述第一训练图像不为所述第二训练图像的近邻图像且所述第二训练图像不为所述第一训练图像的近邻图像,将所述第一训练图像与所述第二训练图像之间的相似度确定为第二预设值。
在一种可能的实现方式中,所述处理模块用于:基于所述训练图像集中的训练图像之间的相似度,生成所述训练图像集对应的相似度矩阵;根据所述训练图像集对应的相似度矩阵,对所述第二词向量进行处理,得到所述训练图像的附带信息对应的第三词向量。
在一种可能的实现方式中,所述选取模块用于:响应于所述训练图像的初始标签与附带信息之间的语义相关度,属于所述训练图像的初始标签对应的类别中最大的m个语义相关度之一,将所述训练图像确定为锚点图像。
在一种可能的实现方式中,所述装置还包括:第二预测模块,用于在所述第一神经网络训练完成后,将所述训练图像集中的训练图像的特征输入所述第一神经网络,经由所述第一神经网络预测所述训练图像的第四类别预测结果,其中,所述第四类别预测结果包括所述训练图像属于至少一个类别的第四概率;第五确定模块,用于根据所述第四类别预测结果,确定所述训练图像的修正标签信息。
在一种可能的实现方式中,所述第五确定模块用于:响应于所述第四类别预测结果中、最大的第四概率达到第一预设值,根据所述第四类别预测结果,确定所述训练图像的修正标签信息;和/或,响应于所述第四类别预测结果中、最大的第四概率未达到所述第一预设值,将所述训练图像的特征输入第二神经网络,经由所述第二神经网络得到所述训练图像的第五类别预测结果,并根据所述第四类别预测结果和所述第五类别预测结果,确定所述训练图像的修正标签信息,其中,所述第五类别预测结果包括所述训练图像属于至少一个类别的第五概率。
在一种可能的实现方式中,所述装置还包括:第二训练模块,用于根据所述修正标签信息和所述第五类别预测结果,训练所述第二神经网络。
在本公开实施例中,通过提取待处理图像的特征,并将所述待处理图像的特征输入第一神经网络,经由所述第一神经网络得到所述待处理图像的第一类别预测结果,其中,所述第一神经网络是基于训练图像的初始标签和附带信息训练的,由此训练得到的第一神经网络能够纠正因语义歧义等因素带来的标签错误,从而能够提高图像分类的准确性。本公开实施例无需由人工参与训练图像的标注过程,从而能够在节省图像标注的时间成本和人力成本的前提下,提高图像分类的准确性。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现和技术效果可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提供一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。其中,所述计算机可读存储介质可以是非易失性计算机可读存储介质,或者可以是易失性计算机可读存储介质。
本公开实施例还提出一种计算机程序,包括计算机可读代码,当所述计算机可读代码在电子设备中运行时,所述电子设备中的处理器执行用于实现上述方法。
本公开实施例还提供了另一种计算机程序产品,用于存储计算机可读指令,指令被执行时使得计算机执行上述任一实施例提供的图像分类方法的操作。
本公开实施例还提供一种电子设备,包括:一个或多个处理器;用于存储可执行指令的存储器;其中,所述一个或多个处理器被配置为调用所述存储器存储的可执行指令,以执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图4示出本公开实施例提供的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图4,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如无线网络(Wi-Fi)、第二代移动通信技术(2G)、第三代移动通信技术(3G)、第四代移动通信技术(4G)/通用移动通信技术的长期演进(LTE)、第五代移动通信技术(5G)或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图5示出本公开实施例提供的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图5,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如微软服务器操作系统(Windows ServerTM),苹果公司推出的基于图形用户界面操作系统(Mac OSXTM),多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM),开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分,所述模块、程序段或指令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。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,两个连续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动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。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (19)
1.一种图像分类方法,其特征在于,包括:
提取待处理图像的特征;
将所述待处理图像的特征输入第一神经网络,经由所述第一神经网络得到所述待处理图像的第一类别预测结果,其中,所述第一神经网络是基于训练图像的初始标签和附带信息训练的,其中,所述训练图像的附带信息表示所述训练图像的描述性信息。
2.根据权利要求1所述的方法,其特征在于,所述训练图像的初始标签包括所述训练图像的网络标签,其中,所述训练图像的网络标签表示能够在搜索引擎中搜索到所述训练图像的关键字。
3.根据权利要求1或2所述的方法,其特征在于,所述训练图像的附带信息包括所述训练图像的附带文字信息。
4.根据权利要求3所述的方法,其特征在于,所述训练图像的附带文字信息包括以下至少之一:所述训练图像所属网页的标题、所述训练图像所属网页的关键字、所述训练图像所属网页的文本、所述训练图像所属网页的简介信息、所述训练图像的标题、所述训练图像的关键字、所述训练图像的简介信息。
5.根据权利要求1至4中任意一项所述的方法,其特征在于,所述第一类别预测结果包括所述待处理图像属于至少一个类别的第一概率;
在所述经由所述第一神经网络得到所述待处理图像的第一类别预测结果之后,所述方法还包括:
响应于所述第一类别预测结果中、最大的第一概率达到第一预设值,根据所述第一类别预测结果,确定所述待处理图像所属的类别;
和/或,
响应于所述第一类别预测结果中、最大的第一概率未达到所述第一预设值,将所述待处理图像的特征输入第二神经网络,经由所述第二神经网络得到所述待处理图像的第二类别预测结果,并根据所述第一类别预测结果和所述第二类别预测结果,确定所述待处理图像所属的类别,其中,所述第二类别预测结果包括所述待处理图像属于至少一个类别的第二概率。
6.根据权利要求1至5中任意一项所述的方法,其特征在于,在所述将所述待处理图像的特征输入第一神经网络之前,所述方法还包括:
根据训练图像集中的训练图像的初始标签与附带信息之间的语义相关度,从所述训练图像集中选取锚点图像,其中,所述训练图像集包括多个训练图像;
将所述锚点图像的特征输入所述第一神经网络,经由所述第一神经网络预测所述锚点图像的第三类别预测结果,其中,所述锚点图像的第三类别预测结果包括所述锚点图像属于至少一个类别的第三概率;
根据所述锚点图像的初始标签和所述锚点图像的第三类别预测结果,训练所述第一神经网络。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
对于训练图像集中的任一训练图像,生成所述训练图像的初始标签对应的第一词向量;
生成所述训练图像的附带信息对应的第二词向量;
根据所述第一词向量和所述第二词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度。
8.根据权利要求7所述的方法,其特征在于,所述生成所述训练图像的初始标签对应的第一词向量,包括:
获取所述训练图像的初始标签的标签描述信息;
根据所述训练图像的初始标签的标签描述信息,生成所述训练图像的初始标签对应的第一词向量。
9.根据权利要求7或8所述的方法,其特征在于,
所述方法还包括:基于所述训练图像集中的训练图像之间的相似信息,对所述第二词向量进行处理,得到所述训练图像的附带信息对应的第三词向量;
所述根据所述第一词向量和所述第二词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度,包括:根据所述第一词向量和所述第三词向量,确定所述训练图像的初始标签与附带信息之间的语义相关度。
10.根据权利要求9所述的方法,其特征在于,所述训练图像集中的训练图像之间的相似信息包括:所述训练图像集中的任一训练图像是否为另一训练图像的近邻图像的信息;
在所述基于所述训练图像集中的训练图像之间的相似信息,对所述第二词向量进行处理之前,所述方法还包括:
提取所述训练图像集中的训练图像的特征;
对于所述训练图像集中的任一训练图像,将所述训练图像集中、与所述训练图像的特征之间的相似度最大的k个训练图像,确定为所述训练图像的近邻图像,其中,k为正整数。
11.根据权利要求10所述的方法,其特征在于,所述训练图像集中的训练图像之间的相似信息包括:所述训练图像集中的训练图像之间的相似度;
在所述对于所述训练图像集中的任一训练图像,将所述训练图像集中、与所述训练图像的特征之间的相似度最大的k个训练图像,确定为所述训练图像的近邻图像之后,所述方法还包括:
响应于第一训练图像为第二训练图像的近邻图像和/或所述第二训练图像为所述第一训练图像的近邻图像,根据所述第一训练图像的特征与所述第二训练图像的特征之间的相似度,确定所述第一训练图像与所述第二训练图像之间的相似度,其中,所述第一训练图像和所述第二训练图像为所述训练图像集中的任意两个训练图像;
和/或,
响应于所述第一训练图像不为所述第二训练图像的近邻图像且所述第二训练图像不为所述第一训练图像的近邻图像,将所述第一训练图像与所述第二训练图像之间的相似度确定为第二预设值。
12.根据权利要求11所述的方法,其特征在于,所述基于所述训练图像集中的训练图像之间的相似信息,对所述第二词向量进行处理,得到所述训练图像的附带信息对应的第三词向量,包括:
基于所述训练图像集中的训练图像之间的相似度,生成所述训练图像集对应的相似度矩阵;
根据所述训练图像集对应的相似度矩阵,对所述第二词向量进行处理,得到所述训练图像的附带信息对应的第三词向量。
13.根据权利要求6至12中任意一项所述的方法,其特征在于,所述根据所述训练图像的初始标签与附带信息之间的语义相关度,从所述训练图像集中选取锚点图像,包括:
响应于所述训练图像的初始标签与附带信息之间的语义相关度,属于所述训练图像的初始标签对应的类别中最大的m个语义相关度之一,将所述训练图像确定为锚点图像。
14.根据权利要求6至13中任意一项所述的方法,其特征在于,所述方法还包括:
在所述第一神经网络训练完成后,将所述训练图像集中的训练图像的特征输入所述第一神经网络,经由所述第一神经网络预测所述训练图像的第四类别预测结果,其中,所述第四类别预测结果包括所述训练图像属于至少一个类别的第四概率;
根据所述第四类别预测结果,确定所述训练图像的修正标签信息。
15.根据权利要求14所述的方法,其特征在于,所述根据所述第四类别预测结果,确定所述训练图像的修正标签信息,包括:
响应于所述第四类别预测结果中、最大的第四概率达到第一预设值,根据所述第四类别预测结果,确定所述训练图像的修正标签信息;
和/或,
响应于所述第四类别预测结果中、最大的第四概率未达到所述第一预设值,将所述训练图像的特征输入第二神经网络,经由所述第二神经网络得到所述训练图像的第五类别预测结果,并根据所述第四类别预测结果和所述第五类别预测结果,确定所述训练图像的修正标签信息,其中,所述第五类别预测结果包括所述训练图像属于至少一个类别的第五概率。
16.根据权利要求15所述的方法,其特征在于,在所述确定所述训练图像的修正标签信息之后,所述方法还包括:
根据所述修正标签信息和所述第五类别预测结果,训练所述第二神经网络。
17.一种图像分类装置,其特征在于,包括:
第一提取模块,用于提取待处理图像的特征;
分类模块,用于将所述待处理图像的特征输入第一神经网络,经由所述第一神经网络得到所述待处理图像的第一类别预测结果,其中,所述第一神经网络是基于训练图像的初始标签和附带信息训练的,其中,所述训练图像的附带信息表示所述训练图像的描述性信息。
18.一种电子设备,其特征在于,包括:
一个或多个处理器;
用于存储可执行指令的存储器;
其中,所述一个或多个处理器被配置为调用所述存储器存储的可执行指令,以执行权利要求1至16中任意一项所述的方法。
19.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至16中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011041753.9A CN112149748B (zh) | 2020-09-28 | 2020-09-28 | 图像分类方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011041753.9A CN112149748B (zh) | 2020-09-28 | 2020-09-28 | 图像分类方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112149748A true CN112149748A (zh) | 2020-12-29 |
CN112149748B CN112149748B (zh) | 2024-05-21 |
Family
ID=73895874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011041753.9A Active CN112149748B (zh) | 2020-09-28 | 2020-09-28 | 图像分类方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149748B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021364A (zh) * | 2016-05-10 | 2016-10-12 | 百度在线网络技术(北京)有限公司 | 图片搜索相关性预测模型的建立、图片搜索方法和装置 |
CN107292349A (zh) * | 2017-07-24 | 2017-10-24 | 中国科学院自动化研究所 | 基于百科知识语义增强的零样本分类方法、装置 |
US20180373979A1 (en) * | 2017-06-22 | 2018-12-27 | Adobe Systems Incorporated | Image captioning utilizing semantic text modeling and adversarial learning |
CN110276411A (zh) * | 2019-06-28 | 2019-09-24 | 腾讯科技(深圳)有限公司 | 图像分类方法、装置、设备、存储介质和医疗电子设备 |
CN110309856A (zh) * | 2019-05-30 | 2019-10-08 | 华为技术有限公司 | 图像分类方法、神经网络的训练方法及装置 |
WO2020164282A1 (zh) * | 2019-02-14 | 2020-08-20 | 平安科技(深圳)有限公司 | 基于yolo的图像目标识别方法、装置、电子设备和存储介质 |
-
2020
- 2020-09-28 CN CN202011041753.9A patent/CN112149748B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021364A (zh) * | 2016-05-10 | 2016-10-12 | 百度在线网络技术(北京)有限公司 | 图片搜索相关性预测模型的建立、图片搜索方法和装置 |
US20180373979A1 (en) * | 2017-06-22 | 2018-12-27 | Adobe Systems Incorporated | Image captioning utilizing semantic text modeling and adversarial learning |
CN107292349A (zh) * | 2017-07-24 | 2017-10-24 | 中国科学院自动化研究所 | 基于百科知识语义增强的零样本分类方法、装置 |
WO2020164282A1 (zh) * | 2019-02-14 | 2020-08-20 | 平安科技(深圳)有限公司 | 基于yolo的图像目标识别方法、装置、电子设备和存储介质 |
CN110309856A (zh) * | 2019-05-30 | 2019-10-08 | 华为技术有限公司 | 图像分类方法、神经网络的训练方法及装置 |
CN110276411A (zh) * | 2019-06-28 | 2019-09-24 | 腾讯科技(深圳)有限公司 | 图像分类方法、装置、设备、存储介质和医疗电子设备 |
Non-Patent Citations (1)
Title |
---|
李雯莉;张素兰;张继福;胡立华;: "基于卷积神经网络和概念格的图像语义完备标注", 小型微型计算机系统, no. 09 * |
Also Published As
Publication number | Publication date |
---|---|
CN112149748B (zh) | 2024-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11120078B2 (en) | Method and device for video processing, electronic device, and storage medium | |
CN109800325B (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN107527619B (zh) | 语音控制业务的定位方法及装置 | |
CN110008401B (zh) | 关键词提取方法、关键词提取装置和计算机可读存储介质 | |
CN111931844B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111242303B (zh) | 网络训练方法及装置、图像处理方法及装置 | |
CN111539410B (zh) | 字符识别方法及装置、电子设备和存储介质 | |
CN110781813B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
EP3734472A1 (en) | Method and device for text processing | |
CN109685041B (zh) | 图像分析方法及装置、电子设备和存储介质 | |
CN112926310B (zh) | 一种关键词提取方法及装置 | |
CN111160047A (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN111538830A (zh) | 法条检索方法、装置、计算机设备及存储介质 | |
CN112559673A (zh) | 语言处理模型的训练方法及装置、电子设备及存储介质 | |
CN113987128A (zh) | 相关文章搜索方法、装置、电子设备和存储介质 | |
CN111079422A (zh) | 关键词提取方法、装置及存储介质 | |
CN112149748B (zh) | 图像分类方法及装置、电子设备和存储介质 | |
CN113535969B (zh) | 语料扩充方法、装置、计算机设备及存储介质 | |
CN112987941B (zh) | 生成候选词的方法及装置 | |
CN111382367B (zh) | 一种搜索结果排序方法和装置 | |
CN113807540A (zh) | 一种数据处理方法及装置 | |
CN110019928B (zh) | 视频标题的优化方法及装置 | |
CN112149653A (zh) | 信息处理方法、装置、电子设备及存储介质 | |
CN110443363B (zh) | 图像特征学习方法及装置 | |
CN110147426B (zh) | 一种查询文本的分类标签确定方法及相关装置 |
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 | ||
GR01 | Patent grant |