CN112560848B - 兴趣点poi预训练模型的训练方法、装置及电子设备 - Google Patents
兴趣点poi预训练模型的训练方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112560848B CN112560848B CN202011565159.XA CN202011565159A CN112560848B CN 112560848 B CN112560848 B CN 112560848B CN 202011565159 A CN202011565159 A CN 202011565159A CN 112560848 B CN112560848 B CN 112560848B
- Authority
- CN
- China
- Prior art keywords
- poi
- training
- model
- task
- training model
- 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
- 238000012549 training Methods 0.000 title claims abstract description 268
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000012015 optical character recognition Methods 0.000 claims description 44
- 238000003860 storage Methods 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000000873 masking effect Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 21
- 238000003058 natural language processing Methods 0.000 abstract description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- 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
-
- 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
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了兴趣点POI预训练模型的训练方法、装置及电子设备,涉及计算机技术领域,具体涉及自然语言处理、图像处理和深度学习等人工智能技术领域。具体实现方案为:获取POI样本图像,并获取待训练的POI预训练模型;获取使用POI预训练模型的一个或多个POI任务模型,其中,一个或多个POI任务模型为POI检测模型之中的一个或多个子模型;以及根据POI样本图像对POI预训练模型和一个或多个POI任务模型进行联合训练,以生成训练之后的POI预训练模型。本申请的训练方法,能够提高POI预训练模型的准确度。
Description
技术领域
本申请涉及计算机技术领域,具体涉及自然语言处理、图像处理和深度学习等人工智能技术领域,尤其涉及一种兴趣点POI预训练模型的训练方法、装置及电子设备。
背景技术
近几年,自然语言处理领域预训练模型取得了极大的成功,不论是基于RNN(Recurrent Neural Network,循环神经网络)的模型,还是基于中文预训练的模型,均证明了可以从海量的无标注文本中学到潜在的语义信息,然后利用少量标注的语料对模型进行微调来完成具体的NLP(Natural Language Processing,自然语言处理)任务,即能取得优秀的表现。
目前,在图像处理领域也存在大量的预训练模型,其大多是在图像数据集上通过分类任务训练得到,然后迁移到不同的视觉任务,例如检测、分割等。然而,利用POI(PointOf Interest,兴趣点)图像进行POI生产却和大多数的视觉任务不太相同。
发明内容
本申请提供一种兴趣点POI预训练模型的训练方法、装置及电子设备。
根据本申请的一方面,提供了一种兴趣点POI预训练模型的训练方法,包括:
获取POI样本图像,并获取待训练的POI预训练模型;
获取使用所述POI预训练模型的一个或多个POI任务模型,其中,所述一个或多个POI任务模型为POI检测模型之中的一个或多个子模型;以及
根据所述POI样本图像对所述POI预训练模型和所述一个或多个POI任务模型进行联合训练,以生成训练之后的所述POI预训练模型。
根据本申请的另一方面,提供了一种兴趣点POI预训练模型的训练装置,包括:
第一获取模块,用于获取POI样本图像,并获取待训练的POI预训练模型;
第二获取模块,用于获取使用所述POI预训练模型的一个或多个POI任务模型,其中,所述一个或多个POI任务模型为POI检测模型之中的一个或多个子模型;以及
训练模块,用于根据所述POI样本图像对所述POI预训练模型和所述一个或多个POI任务模型进行联合训练,以生成训练之后的所述POI预训练模型。
根据本申请的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述一方面实施例所述的兴趣点POI预训练模型的训练方法。
根据本申请另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述一方面实施例所述的兴趣点POI预训练模型的训练方法。
根据本申请的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述一方面实施例所述的兴趣点POI预训练模型的训练方法。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1为本申请实施例提供的一种兴趣点POI预训练模型的训练方法的流程示意图;
图2为本申请实施例提供的另一种兴趣点POI预训练模型的训练方法的流程示意图;
图3为本申请实施例提供的一种模型训练的示意图;
图4为本申请实施例提供的一种兴趣点POI预训练模型的训练装置的结构示意图;以及
图5为根据本申请实施例的兴趣点POI预训练模型的训练方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的兴趣点POI预训练模型的训练方法、装置及电子设备。
人工智能是研究使用计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术领域也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术包括计算机视觉技术、语音识别技术、自然语言处理技术以及深度学习、大数据处理技术、知识图谱技术等几大方向。
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。
图像处理(image processing),是用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。图像处理技术一般包括图像压缩,增强和复原,匹配、描述和识别3个部分。
深度学习是机器学习领域中一个新的研究方向。深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术。
本申请提供的兴趣点POI预训练模型的训练方法,可以由电子设备来执行,该电子设备可为PC(Personal Computer,个人计算机)电脑、平板电脑或掌上电脑等,此处不做任何限定。
在本申请中,电子设备中可以设置有处理组件、存储组件和驱动组件。可选的,该驱动组件和处理组件可以集成设置,该存储组件可以存储操作系统、应用程序或其他程序模块,该处理组件通过执行存储组件中存储的应用程序来实现本申请提供的兴趣点POI预训练模型的训练方法。
图1为本申请实施例提供的一种兴趣点POI预训练模型的训练方法的流程示意图。
本申请的兴趣点POI预训练模型的训练方法,还可由本申请提供的兴趣点POI预训练模型的训练装置执行,该装置可配置于电子设备中,以实现获取POI样本图像,并获取待训练的POI预训练模型,以及获取使用POI预训练模型的一个或多个POI任务模型,而后根据POI样本图像对POI预训练模型和一个或多个POI任务模型进行联合训练,以生成训练之后的POI预训练模型,从而能够提高POI预训练模型的准确度。
作为一种可能的情况,本申请的兴趣点POI预训练模型的训练方法还可以在服务器端执行,服务器可以为云服务器,可以在云端执行该兴趣点POI预训练模型的训练方法。
如图1所示,该兴趣点POI预训练模型的训练方法,可包括:
步骤101,获取POI样本图像,并获取待训练的POI预训练模型。其中,POI样本图像可为多个。
在本申请实施例中,一个兴趣点POI下可能有一个或多个POI样本图像。
需要说明的是,该实施例中所描述的POI样本图像可包括POI门脸图像(例如、商铺的门脸图像、政府办公部门的门脸图像等)、POI公交站台图像、POI邮筒图像等。其中,所谓POI门脸图像是一个POI的真实写照和身份象征,可以包括招牌以及门面等POI对外展示区域的图。
在本申请实施例中,获取POI样本图像的途径可有多条,其中,可直接从电子地图的POI图像库中抽取,或者可以利用采集终端采集(获取)POI样本图像(例如,POI门脸图像、POI公交站台图像等),此处不做任何限定。其中,POI图像库可为POI图像数据库,其可安装在相关的服务器中。
需要说明的是,当使用采集终端采集(获取)POI样本图像时,可将采集终端采集的POI样本图像传输至电脑、服务器等电子设备的存储空间中,以便于后续使用该POI样本图像。其中,该存储空间不仅限于基于实体的存储空间,例如,硬盘,该存储空间还可以是连接电子设备的网络硬盘的存储空间(云存储空间)。
在本申请实施例中,待训练的POI预训练模型可以是相关人员预先准备好的,并将其预先存储在电子设备的存储空间中,以便后续的使用。
具体地,电子设备(例如,电脑)可直接从电子地图的POI图像库中抽取POI样本图像,同时从自身的存储空间中获待训练的POI预训练模型。
步骤102,获取使用POI预训练模型的一个或多个POI任务模型,其中,一个或多个POI任务模型为POI检测模型之中的一个或多个子模型。
在本申请实施例中,一个或多个POI任务模型也可以是相关人员预先准备好的,并将其预先存储在电子设备的存储空间中,以便后续的使用。
步骤103,根据POI样本图像对POI预训练模型和一个或多个POI任务模型进行联合训练,以生成训练之后的POI预训练模型。
需要说明的是,当POI任务模型的数量为多个时,该实施例中所描述的联合训练可包括同时对POI预训练模型和多个POI任务模型进行联合训练;或者先对POI预训练模型和多个POI任务模型中的至少一个POI任务模型进行联合训练,然后再同时对POI预训练模型和多个POI任务模型进行联合训练;再或者先对POI预训练模型和多个POI任务模型中的至少一个POI任务模型进行联合训练,然后再同时对POI预训练模型和多个POI任务模型中的其它POI任务模型进行联合训练,此处不做任何限定。
具体地,电子设备在获取到POI样本图像和待训练的POI预训练模型之后,还可从自身的存储空间中获取多个POI任务模型。然后该电子设备,可先根据POI样本图像对POI预训练模型和多个POI任务模型中的一个POI任务模型进行联合训练,待该联合训练训练达到预设训练目标后,可再根据POI样本图像同时对POI预训练模型和多个POI任务模型进行联合训练,以生成训练之后的POI预训练模型。其中,预设训练目标可根据实际情况进行标定。
在本申请实施例中,首先获取POI样本图像,并获取待训练的POI预训练模型,然后获取使用POI预训练模型的一个或多个POI任务模型,并根据POI样本图像对POI预训练模型和一个或多个POI任务模型进行联合训练,以生成训练之后的POI预训练模型。由此,能够提高POI预训练模型的准确度。
为了清楚说明上一实施例,在本申请的一个实施例中,POI预训练模型可为编码器,且一个或多个POI任务模型可为编解码任务模型、分类任务模型和/或光学字符识别OCR(Optical Character Recognition,光学字符识别)任务模型。
具体地,电子设备可直接从自身的存储空间中获取编码器、编解码任务模型、分类任务模型和光学字符识别OCR任务模型,然后根据POI样本图像对编码器、编解码任务模型、分类任务模型和光学字符识别OCR任务模型进行联合训练,以生成训练之后的编码器(即,POI预训练模型)。由此,能够规避单任务训练模型的弊端,从而提高编码器的准确度。
进一步地,在本申请的一个实施例中,根据POI样本图像对POI预训练模型和多个POI任务模型进行联合训练,以生成训练之后的POI预训练模型,可包括:
步骤201,根据POI样本图像将编码器与编解码任务模型进行联合训练。
具体地,参见图3,电子设备在获取到POI样本图像、编码器和多个POI任务模型之后,可先将POI样本图像输入至编码器,以通过编码器对该POI样本图像进行处理,从而得到该POI样本图像的特征。然后电子设备将该特征输入至编解码任务模型,以通过编解码任务模型对该特征进行处理,从而得到POI图像。再然后电子设备根据该POI样本图像和该POI图像计算损失值,并根据该损失值对该编码器进行训练。
需要说明的是,该实施例中所描述的特征可为向量特征,且可满足一定的分布。
步骤202,在达到预设训练目标之后,将分类任务模型和/或OCR任务模型加入一同进行联合训练,以生成训练之后的POI预训练模型。其中,编解码任务模型、分类任务模型和OCR任务模型可共用编码器。
在本申请实施例中,在进行分类任务模型和OCR任务模型的联合训练时,需要用到POI样本图像的label(标签)和POI样本图像的POI名称,其中,label可为编号。
需要说明的是,该实施例中所描述的label和POI名称,可以是相关人员在获取到POI样本图像后,根据该POI样本图像添加的,也可以是从电子地图的POI图像库中随着POI样本图像一并抽取出来的。其中,相关人员还可将得到的label和POI名称分别与其对应的POI样本图像,以键值对的形式(例如,(POI样本图像,label)和(POI样本图像,POI名称))存储在电子设备的存储空间中,以便于后续的使用。
具体地,参见图3,当上述的编码器达到预设训练目标之后,可将分类任务模型和OCR任务模型加入一同进行联合训练,其中,当进行分类任务的联合训练时,可先将POI样本图像输入至编码器,以通过编码器对该POI样本图像进行处理,从而得到该POI样本图像的特征。然后电子设备可将该特征输入至分类任务模型,以通过分类任务模型对该特征进行处理,并根据分类任务模型输出的结果和该POI样本图像对应的label(例如,编号)计算损失值,以及根据该损失值对该编码器进行训练。
当进行OCR任务的联合训练时,可先将POI样本图像输入至编码器,以通过编码器对该POI样本图像进行处理,从而得到该POI样本图像的特征。然后电子设备将该特征输入至OCR任务模型,以通过OCR任务模型对该特征进行处理,并根据OCR任务模型输出的结果和POI样本图像的POI名称计算损失值,以及根据该损失值对该编码器进行训练。
需要说明的是,在该实施例中所描述的OCR任务中,可以是将编码器输出的特征输入到NLP的模型当中,例如,输入至LSTM(Long-Short Term Memory,长短期记忆网络)模型,即可直接完成特征(即,向量特征)到文本结果的映射,由此,规避了文本检测的环节。
在本申请实施例中,首先训练编解码可以起到特征压缩的作用,既将图像的有效信息(图像的纹理,结构等)编码到一个低维度向量中,该任务训练起来相对容易;然后联合其他两个任务同时训练,可以一方面降低OCR和分类任务的难度,另一方面可以通过OCR和分类任务使得编码器提取到的特征更加具有招牌影像的特性,如特征能更好的对图像中的文本区域进行表达,同时还兼具有辨识度的背景与结构特征。
更进一步地,在本申请的一个实施例中,在根据POI样本图像对编码器,以及编解码任务模型和/或OCR任务模型进行联合训练时,可对输入的POI样本图像进行随机遮盖。
具体地,当进行编解码任务和/或光学字符识别OCR任务的联合训练时,可对输入编码器的POI样本图像进行随机的mask(掩码)遮盖,并期望编解码任务和光学字符识别OCR任务的处理结果,能根据像素间的语义关系将遮盖部分也预测出来。由此,可以增加编码器对真实生产环境下招牌图像出现遮挡等情况的鲁棒性。
在本申请实施例中,上述的编码器通过上述三个任务模型联合训练好之后,该编码器的参数可以提取到POI图像中具有招牌特性的特征,利用该编码器作为文本检测、招牌影像特征表达、招牌检测等任务中的预训练模型,通过简单的模型训练,即可很快获得不错的模型效果。
图4为本申请实施例提供的一种兴趣点POI预训练模型的训练装置的结构示意图。
本申请的兴趣点POI预训练模型的训练装置,可配置于电子设备中,以实现获取POI样本图像,并获取待训练的POI预训练模型,以及获取使用POI预训练模型的一个或多个POI任务模型,而后根据POI样本图像对POI预训练模型和一个或多个POI任务模型进行联合训练,以生成训练之后的POI预训练模型,从而能够提高POI预训练模型的准确度。
如图4所示,该兴趣点POI预训练模型的训练装置400,可包括:第一获取模块410、第二获取模块420和训练模块430。
第一获取模块410用于获取POI样本图像,并获取待训练的POI预训练模型。其中,POI样本图像可为多个。
在本申请实施例中,一个兴趣点POI下可能有一个或多个POI样本图像。
需要说明的是,该实施例中所描述的POI样本图像可包括POI门脸图像(例如、商铺的门脸图像、政府办公部门的门脸图像等)、POI公交站台图像、POI邮筒图像等。其中,所谓POI门脸图像是一个POI的真实写照和身份象征,可以包括招牌以及门面等POI对外展示区域的图。
在本申请实施例中,获取POI样本图像的途径可有多条,其中,可直接从电子地图的POI图像库中抽取,或者可以利用采集终端采集(获取)POI样本图像(例如,POI门脸图像、POI公交站台图像等),此处不做任何限定。其中,POI图像库可为POI图像数据库,其可安装在相关的服务器中。
需要说明的是,当使用采集终端采集(获取)POI样本图像时,可将采集终端采集的POI样本图像传输至兴趣点POI预训练模型的训练装置400的存储空间中,以便于后续使用该POI样本图像。其中,该存储空间不仅限于基于实体的存储空间,例如,硬盘,该存储空间还可以是连接兴趣点POI预训练模型的训练装置400的网络硬盘的存储空间(云存储空间)。
在本申请实施例中,待训练的POI预训练模型可以是相关人员预先准备好的,并将其预先存储在兴趣点POI预训练模型的训练装置400的存储空间中,以便后续的使用。
具体地,第一获取模块410可直接从电子地图的POI图像库中抽取POI样本图像,同时从兴趣点POI预训练模型的训练装置400的存储空间中获待训练的POI预训练模型。
第二获取模块420用于获取使用POI预训练模型的一个或多个POI任务模型,其中,一个或多个POI任务模型为POI检测模型之中的一个或多个子模型。
在本申请实施例中,多个POI任务模型也可以是相关人员预先准备好的,并将其预先存储在兴趣点POI预训练模型的训练装置400的存储空间中,以便后续的使用。
训练模块430用于根据POI样本图像对POI预训练模型和一个或多个POI任务模型进行联合训练,以生成训练之后的POI预训练模型。
需要说明的是,该实施例中所描述的联合训练可包括同时对POI预训练模型和多个POI任务模型进行联合训练;或者先对POI预训练模型和多个POI任务模型中的至少一个POI任务模型进行联合训练,然后再同时对POI预训练模型和多个POI任务模型进行联合训练;再或者先对POI预训练模型和多个POI任务模型中的至少一个POI任务模型进行联合训练,然后再同时对POI预训练模型和多个POI任务模型中的其它POI任务模型进行联合训练,此处不做任何限定。
具体地,在第一获取模块410获取到POI样本图像和待训练的POI预训练模型之后,第二获取模块420还可从兴趣点POI预训练模型的训练装置400的存储空间中获取多个POI任务模型。然后训练模块430可先根据POI样本图像对POI预训练模型和多个POI任务模型中的一个POI任务模型进行联合训练,待该联合训练达到预设训练目标后,可再根据POI样本图像同时对POI预训练模型和多个POI任务模型进行联合训练,以生成训练之后的POI预训练模型。其中,预设训练目标可根据实际情况进行标定。
在本申请实施例中,通过第一获取模块获取POI样本图像,并获取待训练的POI预训练模型,并通过第二获取模块获取使用POI预训练模型的一个或多个POI任务模型,以及通过训练模块根据POI样本图像对POI预训练模型和一个或多个POI任务模型进行联合训练,以生成训练之后的POI预训练模型。由此,能够提高POI预训练模型的准确度。
在本申请的一个实施例中,POI预训练模型为编码器,且一个或多个POI任务模型为编解码任务模型、分类任务模型和/或光学字符识别OCR任务模型。
在本申请的一个实施例中,训练模块430具体用于:根据POI样本图像将编码器与编解码任务模型进行联合训练;在达到预设训练目标之后,将分类任务模型和/或OCR任务模型加入一同进行联合训练,以生成训练之后的POI预训练模型。
在本申请的一个实施例中,编解码任务模型、分类任务模型和OCR任务模型共用编码器。
在本申请的一个实施例中,训练模块430还用于:在根据POI样本图像对编码器,以及编解码任务模型和/或OCR任务模型进行联合训练时,对输入的POI样本图像进行随机遮盖。
需要说明的是,前述对兴趣点POI预训练模型的训练方法实施例的解释说明也适用于该实施例的兴趣点POI预训练模型的训练装置,此处不再赘述。
综上,本申请实施例的兴趣点POI预训练模型的训练装置,通过第一获取模块获取POI样本图像,并获取待训练的POI预训练模型,并通过第二获取模块获取使用POI预训练模型的一个或多个POI任务模型,以及通过训练模块根据POI样本图像对POI预训练模型和一个或多个POI任务模型进行联合训练,以生成训练之后的POI预训练模型。由此,能够提高POI预训练模型的准确度。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本申请的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503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。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如兴趣点POI预训练模型的训练方法。例如,在一些实施例中,兴趣点POI预训练模型的训练方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的兴趣点POI预训练模型的训练方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行兴趣点POI预训练模型的训练方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (9)
1.一种兴趣点POI预训练模型的训练方法,包括:
获取POI样本图像,并获取待训练的POI预训练模型,所述待训练的POI预训练模型预先设置,并预先存储在电子设备的存储空间中;
获取使用所述POI预训练模型的多个POI任务模型,其中,所述多个POI任务模型分别为POI检测模型之中的编解码任务模型、分类任务模型和光学字符识别OCR任务模型,所述POI预训练模型为编码器;以及
根据所述POI样本图像对所述POI预训练模型和所述多个POI任务模型进行联合训练,以生成训练之后的所述POI预训练模型;
所述根据所述POI样本图像对所述POI预训练模型和所述多个POI任务模型进行联合训练,以生成训练之后的所述POI预训练模型,包括:
根据所述POI样本图像将所述编码器与所述编解码任务模型进行联合训练;
在达到预设训练目标之后,将所述分类任务模型和所述光学字符识别OCR任务模型加入一同进行联合训练,以生成训练之后的所述POI预训练模型。
2.如权利要求1所述的兴趣点POI预训练模型的训练方法,其中,所述编解码任务模型、所述分类任务模型和所述光学字符识别OCR任务模型共用所述编码器。
3.如权利要求1-2中任一项所述的兴趣点POI预训练模型的训练方法,其中,在根据所述POI样本图像对所述编码器,以及所述编解码任务模型和所述光学字符识别OCR任务模型进行联合训练时,对输入的所述POI样本图像进行随机遮盖。
4.一种兴趣点POI预训练模型的训练装置,包括:
第一获取模块,用于获取POI样本图像,并获取待训练的POI预训练模型,所述待训练的POI预训练模型预先设置,并预先存储在电子设备的存储空间中;
第二获取模块,用于获取使用所述POI预训练模型的多个POI任务模型,其中,所述多个POI任务模型分别为POI检测模型之中的编解码任务模型、分类任务模型和光学字符识别OCR任务模型,所述POI预训练模型为编码器;以及
训练模块,用于根据所述POI样本图像对所述POI预训练模型和所述多个POI任务模型进行联合训练,以生成训练之后的所述POI预训练模型;
所述训练模块,具体用于:
根据所述POI样本图像将所述编码器与所述编解码任务模型进行联合训练;
在达到预设训练目标之后,将所述分类任务模型和光学字符识别OCR任务模型加入一同进行联合训练,以生成训练之后的所述POI预训练模型。
5.如权利要求4所述的兴趣点POI预训练模型的训练装置,其中,所述编解码任务模型、所述分类任务模型和所述光学字符识别OCR任务模型共用所述编码器。
6.如权利要求4-5中任一项所述的兴趣点POI预训练模型的训练装置,其中,所述训练模块,还用于:
在根据所述POI样本图像对所述编码器,以及所述编解码任务模型和所述光学字符识别OCR任务模型进行联合训练时,对输入的所述POI样本图像进行随机遮盖。
7.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-3中任一项所述的兴趣点POI预训练模型的训练方法。
8.一种存储有计算机指令的非瞬时计算机可读存储介
质,其中,所述计算机指令用于使所述计算机执行根据权利
要求1-3中任一项所述的兴趣点POI预训练模型的训练方
法。
9.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-3中任一项所述的兴趣点POI预训练模型的训练方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011565159.XA CN112560848B (zh) | 2020-12-25 | 2020-12-25 | 兴趣点poi预训练模型的训练方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011565159.XA CN112560848B (zh) | 2020-12-25 | 2020-12-25 | 兴趣点poi预训练模型的训练方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112560848A CN112560848A (zh) | 2021-03-26 |
CN112560848B true CN112560848B (zh) | 2024-03-29 |
Family
ID=75034300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011565159.XA Active CN112560848B (zh) | 2020-12-25 | 2020-12-25 | 兴趣点poi预训练模型的训练方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112560848B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435529B (zh) * | 2021-07-06 | 2023-11-07 | 北京百度网讯科技有限公司 | 模型预训练方法、模型训练方法及图像处理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107180248A (zh) * | 2017-06-12 | 2017-09-19 | 桂林电子科技大学 | 基于联合损失增强网络的高光谱图像分类方法 |
CN110399492A (zh) * | 2019-07-22 | 2019-11-01 | 阿里巴巴集团控股有限公司 | 针对用户问句的问题分类模型的训练方法和装置 |
CN111160471A (zh) * | 2019-12-30 | 2020-05-15 | 腾讯云计算(北京)有限责任公司 | 一种兴趣点数据处理方法、装置、电子设备和存储介质 |
CN111401374A (zh) * | 2020-03-06 | 2020-07-10 | 湖南快乐阳光互动娱乐传媒有限公司 | 基于多任务的模型训练方法、字符识别方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190103090A (ko) * | 2019-08-15 | 2019-09-04 | 엘지전자 주식회사 | 연합학습(Federated learning)을 통한 단말의 POI 데이터를 생성하는 모델의 학습방법 및 이를 위한 장치 |
-
2020
- 2020-12-25 CN CN202011565159.XA patent/CN112560848B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107180248A (zh) * | 2017-06-12 | 2017-09-19 | 桂林电子科技大学 | 基于联合损失增强网络的高光谱图像分类方法 |
CN110399492A (zh) * | 2019-07-22 | 2019-11-01 | 阿里巴巴集团控股有限公司 | 针对用户问句的问题分类模型的训练方法和装置 |
CN111160471A (zh) * | 2019-12-30 | 2020-05-15 | 腾讯云计算(北京)有限责任公司 | 一种兴趣点数据处理方法、装置、电子设备和存储介质 |
CN111401374A (zh) * | 2020-03-06 | 2020-07-10 | 湖南快乐阳光互动娱乐传媒有限公司 | 基于多任务的模型训练方法、字符识别方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于预训练BERT字嵌入模型的领域实体识别;丁龙;文雯;林强;;情报工程;20200410(第06期);65-74 * |
Also Published As
Publication number | Publication date |
---|---|
CN112560848A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113326764A (zh) | 训练图像识别模型和图像识别的方法和装置 | |
CN113011420B (zh) | 字符识别方法、模型训练方法、相关装置及电子设备 | |
CN114863437B (zh) | 文本识别方法、装置、电子设备和存储介质 | |
CN114092759A (zh) | 图像识别模型的训练方法、装置、电子设备及存储介质 | |
CN113378712A (zh) | 物体检测模型的训练方法、图像检测方法及其装置 | |
CN112861885A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN112580666A (zh) | 图像特征的提取方法、训练方法、装置、电子设备及介质 | |
CN113177449A (zh) | 人脸识别的方法、装置、计算机设备及存储介质 | |
CN113011309A (zh) | 图像识别方法、装置、设备、介质及程序产品 | |
JP2023531759A (ja) | 車線境界線検出モデルの訓練方法、車線境界線検出モデルの訓練装置、電子機器、記憶媒体及びコンピュータプログラム | |
CN112560848B (zh) | 兴趣点poi预训练模型的训练方法、装置及电子设备 | |
CN113177466A (zh) | 基于人脸图像的身份识别方法、装置、电子设备及介质 | |
CN113592932A (zh) | 深度补全网络的训练方法、装置、电子设备及存储介质 | |
CN115393488B (zh) | 虚拟人物表情的驱动方法、装置、电子设备和存储介质 | |
CN115565186B (zh) | 文字识别模型的训练方法、装置、电子设备和存储介质 | |
CN115457329B (zh) | 图像分类模型的训练方法、图像分类方法和装置 | |
CN114417029A (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN114842541A (zh) | 模型的训练及人脸识别方法、装置、设备以及存储介质 | |
CN114724144A (zh) | 文本识别方法、模型的训练方法、装置、设备及介质 | |
CN114445668A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN114882334A (zh) | 用于生成预训练模型的方法、模型训练方法及装置 | |
CN114863450A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114093006A (zh) | 活体人脸检测模型的训练方法、装置、设备以及存储介质 | |
CN113903071A (zh) | 人脸识别方法、装置、电子设备和存储介质 | |
CN114330576A (zh) | 模型处理方法、装置、图像识别方法及装置 |
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 | ||
GR01 | Patent grant |