CN112766284B - 图像识别方法和装置、存储介质和电子设备 - Google Patents
图像识别方法和装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN112766284B CN112766284B CN202110105991.XA CN202110105991A CN112766284B CN 112766284 B CN112766284 B CN 112766284B CN 202110105991 A CN202110105991 A CN 202110105991A CN 112766284 B CN112766284 B CN 112766284B
- Authority
- CN
- China
- Prior art keywords
- image
- visual
- target
- text
- feature
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000000007 visual effect Effects 0.000 claims abstract description 165
- 238000013507 mapping Methods 0.000 claims abstract description 62
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 46
- 238000012549 training Methods 0.000 claims description 45
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 5
- 241000282326 Felis catus Species 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification 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
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种图像识别方法和装置、存储介质和电子设备,其中,所述方法包括:通过预设的映射算法,将所述目标视觉特征映射至词嵌入空间,以获取所述待处理图像的视觉文本特征;基于所述视觉文本特征和所述目标视觉特征,生成用于表征所述待处理图像中的物体种类的目标标签;所述映射算法是基于第一图像样本的标签文本特征与所述第一图像样本的视觉文本特征预先建立的映射算法。本公开可以提升图像识别的准确性。
Description
技术领域
本公开涉及图像识别领域,具体地,涉及一种图像识别方法和装置、存储介质和电子设备。
背景技术
随着互联网的飞速发展、图像数据的飞速增长以及深度学习在计算机视觉领域的蓬勃发展,人们对图像内容的机器自动化理解需求日益增长,尤其是针对图像中对象的自动化识别需求也日益增多。图像识别技术是应这一需求而产生的一项技术,图像识别技术可以通过对图像的特征进行提取、分析而得到图像中的对象的相关信息,目前已经可以运用在安全检查、身份核验、移动支付、商品识别、物品查找等各种生活场景中,极大地提升了人们的生活便利程度。但是,目前的图像识别技术的精度尚不够高,存在误识别的问题。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
第一方面,本公开提供一种图像识别方法,包括:
获取待处理图像的目标视觉特征;通过预设的映射算法,将所述目标视觉特征映射至词嵌入空间,以获取所述待处理图像的视觉文本特征;基于所述视觉文本特征和所述目标视觉特征,生成用于表征所述待处理图像中的物体种类的目标标签;所述映射算法是基于第一图像样本的标签文本特征与所述第一图像样本的视觉文本特征预先建立的映射算法。
第二方面,本公开提供一种图像识别装置,包括:
提取模块,用于获取待处理图像的目标视觉特征;映射模块,用于通过预设的映射算法,将所述目标视觉特征映射至词嵌入空间,以获取所述待处理图像的视觉文本特征;生成模块,用于基于所述视觉文本特征和所述目标视觉特征,生成用于表征所述待处理图像中的物体种类的目标标签;其中,所述映射算法是基于第一图像样本的标签文本特征与所述第一图像样本的视觉文本特征预先建立的映射算法。
第三方面,本公开提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
第四方面,本公开提供一种电子设备,包括:存储装置、处理装置,存储装置上存储有计算机程序,处理装置用于执行所述存储装置中的所述计算机程序,以实现本公开第一方面所述方法的步骤。
通过上述技术方案,至少可以达到以下的技术效果:
通过对待处理图像的视觉特征进行提取,并将视觉特征映射到词嵌入空间获取视觉文本特征,并基于视觉文本特征和视觉特征生成表征物体种类的标签,可以从视觉和文本两个角度对图像的特征进行处理,提升了图像识别的精度,减少了误识别的情况。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1是根据一示例性公开实施例示出的一种图像识别方法的流程图。
图2是根据一示例性公开实施例示出的一种图像识别的流程示意图。
图3是根据一示例性公开实施例示出的一种图像识别装置的框图。
图4是根据一示例性公开实施例示出的一种电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
图1是根据一示例性公开实施例示出的一种图像识别方法的流程图。该方法可以应用于任意电子设备中,例如,手机、智能穿戴设备、电脑、办公终端、平板电脑、服务器等。
如图1所示,所述方法包括以下步骤:
S11、获取待处理图像的目标视觉特征。
可以通过特征提取器提取待处理图像的视觉特征作为目标视觉特征,该特征提取器可以是基于图像卷积对图像的特征进行提取的,视觉特征可以指图像中的物体的几何特征、纹理特征、颜色特征等可以用于识别物体种类的特征,本公开对此不做限制。
S12、通过预设的映射算法,将所述目标视觉特征映射至词嵌入空间,以获取所述待处理图像的视觉文本特征。
所述映射算法是基于第一图像样本的标签文本特征与所述第一图像样本的视觉文本特征预先建立的映射算法。
通过映射算法,可以将视觉特征映射至词嵌入空间,将视觉特征转换为对应的视觉文本特征。并且,由于具有相同特征的物体的视觉特征之间存在相同点,其投射入词嵌入空间之后得到的视觉文本特征之间的相似度也较高,而不同性质的物体的视觉特征之间的相同点较少,其投射入词嵌入空间之后的得到的视觉文本特征之间的相似度较低,例如,猫和狗的图像所提取得到的视觉特征可能存在许多相似点,因此,两者对应的视觉文本特征之间的相似度也较高,而猫和车之间的相似点较少,其图像所提取得到的视觉特征之间的相似点较少,从而映射得到的视觉文本特征之间的相似度也较低。通过将视觉特征映射至词嵌入空间来得到视觉文本特征,在视觉文本特征之间构建关联性,使得在输出标签时可以考虑到物体之间的关联性。
在一种可能的实施方式中,所述映射算法是通过以下步骤训练得到的:重复执行将第一样本图像的样本视觉特征输入所述预设的映射算法得到训练文本特征,计算所述训练文本特征和与所述样本图像的物体种类对应的预设文本特征之间的样本相似度,调整所述预设的映射算法以提升样本相似度的步骤,直至满足训练停止条件。
例如,将一张猫的图像作为第一样本图像,将该图像的视觉特征输入预设的映射算法,得到训练文本特征,并提取该图像对应的物体种类“猫”的文本特征作为预设文本特征,计算训练文本特征和预设文本特征之间的样本相似度,调整所述预设的映射算法以提升样本相似度,再将其他的第一样本图像经过上述步骤处理后输入预设的映射算法,直到满足训练停止条件。该训练停止条件可以是迭代次数到达预设次数、样本相似度高于预设相似度、输入的样本量满足预设的样本量、训练时间满足预设的训练时间中的一种或多种的组合,或者其他可以满足训练需求的条件,本公开对此不做限制。
这样,通过物体种类得到预设文本特征,并通过视觉特征映射得到训练文本特征,通过机器学习调整两者之间的差异,这样,可以把物体视觉上的相关性关联至其对应的物体种类的标签中,在各个物体种类的标签之间构建了相关性,使得标签不再作为独立而不相干的标识进行标注,从而可以提升生成标签的精确度,减少误识别的可能。
S13、基于所述视觉文本特征和所述目标视觉特征,生成用于表征所述待处理图像中的物体种类的目标标签。
将样本图像的视觉文本特征和视觉特征作为训练样本,训练出分类器的分类算法,即可将目标图像的目标视觉特征和视觉文本特征输入该训练完成的分类器中,得到分类器的输出的目标标签。该目标标签可以是一个物体名称,例如“猫”“狗”“车”中的任意一者,还可以是各物体的概率,例如“猫40%、狗30%、车10%”。
在一种可能的实施方式中,可以确定所述视觉文本特征与多个所述标签文本特征的特征相似度,基于所述目标视觉特征通过分类器生成所述待处理图像中的物体在各种类之间的概率分布,基于所述特征相似度,对所述概率分布进行加权处理,得到所述目标标签。其中,所述分类器是基于第二图像样本训练得到的。
也就是说,通过分类器,可以对目标视觉特征进行处理,并输出图像中的物体在各种类之间的概率分布,针对概率分布中的每个种类,可以通过该种类对应的标签文本特征和视觉文本特征之间的特征相似度进行加权处理(如,将各概率与其对应的特征相似度相乘后进行归一化,或者将各概率与归一化后的特征相似度进行加权相乘等),得到最终的概率分布,将该概率分布输出为目标标签,或者确定概率最大的种类名称为目标标签。该特征相似度加权的步骤可以由分类器进行,也可以通过其他的加权算法进行,本公开对此不做限制。
在特征相似度加权是由分类器进行的情况下,所述分类器的训练过程包括:
获取所述第二图像样本的目标视觉特征以及视觉文本特征,将所述目标视觉特征输入所述分类器中,得到所述分类器输出的概率分布,并根据所述第二图像样本的视觉文本特征与所述标签文本特征之间的特征相似度,对所述分类器输出的概率分布进行加权处理,得到所述图像样本的预测标签,根据所述图像样本的真实标签与所述预测标签计算损失值,并根据所述损失值更新所述分类器的参数。
第二图像样本与训练映射算法时用到的第一图像样本可以是相同的图像组合,也可以是不同的图像的组合,或者是部分相同的图像组合。分类器的训练目的为减少真实标签与预测标签之间的差异,使得训练得到的分类器可以基于视觉文本特征和目标视觉特征输出目标标签。
所述确定所述视觉文本特征与多个所述标签文本特征的特征相似度,包括:计算所述目标文本特征与所述多个所述标签文本特征组成的文本特征矩阵之间的特征相似度矩阵;所述基于所述特征相似度,对所述概率分布进行加权处理,包括:将所述概率分布与所述特征相似度矩阵点乘,并将获得的目标概率分布作为所述目标标签。
视觉文本特征为一个视觉特征映射得到的一个维度的特征,而文本特征矩阵是由所有的标签文本特征组成的多个维度的特征矩阵,两者可以铜鼓哦计算cosine值得到多维度的相关性矩阵。目标视觉特征可以通过激活函数为tanh的全连接层进行特征变换得到多维的视觉特征,将该多维的视觉特征输入以softmax函数作为激活函数的激活层,可以得到概率分布,该概率分布的维度与相关性矩阵的维度相同,可以通过点乘并归一化处理的方式得到最终的概率分布。
其中,对概率分布进行加权处理的形式可以如下:
其中,p为基于目标视觉特征输出的概率分布,w为相关性矩阵,p′为加权处理后的概率分布。其中,max(wj)=1,min(wj)=1,也就是说,相关性矩阵中的各相似度值大小不超过1。
通过前述的将物体的名称转换为文本特征,并将视觉特征与文本特征进行关联的操作,相似的物体的标签之间已经建立了特征上的相似性,例如,同类或具有相同特征的物体在词嵌入空间中的特征也相近,而不同类或不具有相同特征的物体在词嵌入空间中的特征也较远,这样,可以通过相似度矩阵,对视觉特征可能为同类的物体对应的概率进行高权重的加权处理,对视觉特征可能为异类的物体对应的概率进行低权重的加权处理,一方面提升了识别的容错率,另一方面降低了误识别的可能性。
在一种可能的实施方式中,可以响应于用户针对所述待处理图像的信息查询操作,获取待处理图像的目标视觉特征,并基于所述待处理图像的目标标签,从数据库中确定与所述目标标签相关联的目标信息,并向用户展示所述目标信息,其中,所述目标信息包括图像信息、视频信息、关联商品信息中的至少一种。
该待处理图像可以为用户浏览的图像,和/或用户浏览的视频中的图像帧。
例如,用户正在观看一个与猫相关的视频,在观看时点击了信息查询按钮,则可以获取用户观看的视频中的一帧图像或多帧图像,基于该图像的目标标签(当为多帧图像时,可以将占比最高的结果作为目标标签)从数据库中确定目标信息并向用户进行展示,例如,可以向用户展示其他猫的图片、视频,还可以展示猫砂、猫粮、猫厕所等商品的信息。
图2是根据一示例性公开实施例示出的一种图像识别的流程示意图。如图2所示,可以将待处理图像输入特征提取器,特征提取器输出目标视觉特征和通过目标视觉特征映射得到的视觉文本特征,将视觉文本特征与标签文本特征进行相似度计算,并基于相似度结果对基于目标视觉特征输出的标签概率分布进行文本相关性加权,得到最终的目标标签,其中,标签文本特征是通过将物体的分类标签的名称在词嵌入空间中的特征。
通过上述技术方案,至少可以达到以下的技术效果:
通过对待处理图像的视觉特征进行提取,并将视觉特征映射到词嵌入空间获取视觉文本特征,并基于视觉文本特征和视觉特征生成表征物体种类的标签,可以从视觉和文本两个角度对图像的特征进行处理,提升了图像识别的精度,减少了误识别的情况。
图3是根据一示例性公开实施例示出的一种图像识别装置的框图。如图3所示,所述装置300包括以下模块:
提取模块310,用于获取待处理图像的目标视觉特征。
映射模块320,用于通过预设的映射算法,将所述目标视觉特征映射至词嵌入空间,以获取所述待处理图像的视觉文本特征。
生成模块330,用于基于所述视觉文本特征和所述目标视觉特征,生成用于表征所述待处理图像中的物体种类的目标标签。
其中,所述映射算法是基于第一图像样本的标签文本特征与所述第一图像样本的视觉文本特征预先建立的映射算法。
在一种可能的实施方式中,所述生成模块330,用于确定所述视觉文本特征与多个所述标签文本特征的特征相似度;基于所述目标视觉特征通过分类器生成所述待处理图像中的物体在各种类之间的概率分布,所述分类器是基于第二图像样本训练得到的;基于所述特征相似度,对所述概率分布进行加权处理,得到所述目标标签。
在一种可能的实施方式中,所述装置还包括第一训练模块,用于获取所述第二图像样本的目标视觉特征以及视觉文本特征;将所述目标视觉特征输入所述分类器中,得到所述分类器输出的概率分布;根据所述第二图像样本的视觉文本特征与所述标签文本特征之间的特征相似度,对所述分类器输出的概率分布进行加权处理,得到所述图像样本的预测标签;根据所述图像样本的真实标签与所述预测标签计算损失值,并根据所述损失值更新所述分类器的参数。
在一种可能的实施方式中,所述生成模块330,还用于计算所述目标文本特征与所述多个所述标签文本特征组成的文本特征矩阵之间的特征相似度矩阵;将所述概率分布与所述特征相似度矩阵点乘,并将获得的目标概率分布作为所述目标标签。
在一种可能的实施方式中,所述装置还包括第二训练模块,用于重复执行将第一样本图像的样本视觉特征输入所述预设的映射算法得到训练文本特征,计算所述训练文本特征和与所述样本图像的物体种类对应的预设文本特征之间的样本相似度,调整所述预设的映射算法以提升样本相似度的步骤,直至满足训练停止条件。
在一种可能的实施方式中,所述提取模块310,用于响应于用户针对所述待处理图像的信息查询操作,获取待处理图像的目标视觉特征;所述装置还包括展示模块,用于基于所述待处理图像的目标标签,从数据库中确定与所述目标标签相关联的目标信息,并向用户展示所述目标信息,其中,所述目标信息包括图像信息、视频信息、关联商品信息中的至少一种。
在一种可能的实施方式中,所述待处理图像为用户浏览的图像,和/或用户浏览的视频中的图像帧。
通过上述技术方案,至少可以达到以下的技术效果:
通过对待处理图像的视觉特征进行提取,并将视觉特征映射到词嵌入空间获取视觉文本特征,并基于视觉文本特征和视觉特征生成表征物体种类的标签,可以从视觉和文本两个角度对图像的特征进行处理,提升了图像识别的精度,减少了误识别的情况。
下面参考图4,其示出了适于用来实现本公开实施例的电子设备400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,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。
根据本公开的一个或多个实施例,示例1提供了一种图像识别方法,包括:获取待处理图像的目标视觉特征;通过预设的映射算法,将所述目标视觉特征映射至词嵌入空间,以获取所述待处理图像的视觉文本特征;基于所述视觉文本特征和所述目标视觉特征,生成用于表征所述待处理图像中的物体种类的目标标签;所述映射算法是基于第一图像样本的标签文本特征与所述第一图像样本的视觉文本特征预先建立的映射算法。
根据本公开的一个或多个实施例,示例2提供了示例1的方法,所述基于所述目标文本特征和所述目标视觉特征,生成用于表征所述待处理图像中的物体种类的目标标签,包括:确定所述视觉文本特征与多个所述标签文本特征的特征相似度;基于所述目标视觉特征通过分类器生成所述待处理图像中的物体在各种类之间的概率分布,所述分类器是基于第二图像样本训练得到的;基于所述特征相似度,对所述概率分布进行加权处理,得到所述目标标签。
根据本公开的一个或多个实施例,示例3提供了示例2的方法,所述分类器的训练包括:获取所述第二图像样本的目标视觉特征以及视觉文本特征;将所述目标视觉特征输入所述分类器中,得到所述分类器输出的概率分布;据所述第二图像样本的视觉文本特征与所述标签文本特征之间的特征相似度,对所述分类器输出的概率分布进行加权处理,得到所述图像样本的预测标签;根据所述图像样本的真实标签与所述预测标签计算损失值,并根据所述损失值更新所述分类器的参数。
根据本公开的一个或多个实施例,示例4提供了示例2的方法,所述确定所述视觉文本特征与多个所述标签文本特征的特征相似度,包括:计算所述目标文本特征与所述多个所述标签文本特征组成的文本特征矩阵之间的特征相似度矩阵;所述基于所述特征相似度,对所述概率分布进行加权处理,包括:将所述概率分布与所述特征相似度矩阵点乘,并将获得的目标概率分布作为所述目标标签。
根据本公开的一个或多个实施例,示例5提供了示例2的方法,所述映射算法是通过以下步骤训练得到的:重复执行将第一样本图像的样本视觉特征输入所述预设的映射算法得到训练文本特征,计算所述训练文本特征和与所述样本图像的物体种类对应的预设文本特征之间的样本相似度,调整所述预设的映射算法以提升样本相似度的步骤,直至满足训练停止条件。
根据本公开的一个或多个实施例,示例6提供了示例1-5的方法,所述获取待处理图像的目标视觉特征,包括:响应于用户针对所述待处理图像的信息查询操作,获取待处理图像的目标视觉特征;所述方法还包括:基于所述待处理图像的目标标签,从数据库中确定与所述目标标签相关联的目标信息,并向用户展示所述目标信息,其中,所述目标信息包括图像信息、视频信息、关联商品信息中的至少一种。
根据本公开的一个或多个实施例,示例7提供了示例6的方法,所述待处理图像为用户浏览的图像,和/或用户浏览的视频中的图像帧。
根据本公开的一个或多个实施例,示例8提供了一种图像识别装置,包括提取模块,用于获取待处理图像的目标视觉特征;映射模块,用于通过预设的映射算法,将所述目标视觉特征映射至词嵌入空间,以获取所述待处理图像的视觉文本特征;生成模块,用于基于所述视觉文本特征和所述目标视觉特征,生成用于表征所述待处理图像中的物体种类的目标标签;其中,所述映射算法是基于第一图像样本的标签文本特征与所述第一图像样本的视觉文本特征预先建立的映射算法。
根据本公开的一个或多个实施例,示例9提供了示例8的装置,所述生成模块,用于确定所述视觉文本特征与多个所述标签文本特征的特征相似度;基于所述目标视觉特征通过分类器生成所述待处理图像中的物体在各种类之间的概率分布,所述分类器是基于第二图像样本训练得到的;基于所述特征相似度,对所述概率分布进行加权处理,得到所述目标标签。
根据本公开的一个或多个实施例,示例10提供了示例9的装置,所述装置还包括第一训练模块,用于获取所述第二图像样本的目标视觉特征以及视觉文本特征;将所述目标视觉特征输入所述分类器中,得到所述分类器输出的概率分布;根据所述第二图像样本的视觉文本特征与所述标签文本特征之间的特征相似度,对所述分类器输出的概率分布进行加权处理,得到所述图像样本的预测标签;根据所述图像样本的真实标签与所述预测标签计算损失值,并根据所述损失值更新所述分类器的参数。
根据本公开的一个或多个实施例,示例11提供了示例9的装置,所述生成模块,还用于计算所述目标文本特征与所述多个所述标签文本特征组成的文本特征矩阵之间的特征相似度矩阵;将所述概率分布与所述特征相似度矩阵点乘,并将获得的目标概率分布作为所述目标标签。
根据本公开的一个或多个实施例,示例12提供了示例9的装置,所述装置还包括第二训练模块,用于重复执行将第一样本图像的样本视觉特征输入所述预设的映射算法得到训练文本特征,计算所述训练文本特征和与所述样本图像的物体种类对应的预设文本特征之间的样本相似度,调整所述预设的映射算法以提升样本相似度的步骤,直至满足训练停止条件。
根据本公开的一个或多个实施例,示例13提供了示例8-12的装置,所述提取模块,用于响应于用户针对所述待处理图像的信息查询操作,获取待处理图像的目标视觉特征;所述装置还包括展示模块,用于基于所述待处理图像的目标标签,从数据库中确定与所述目标标签相关联的目标信息,并向用户展示所述目标信息,其中,所述目标信息包括图像信息、视频信息、关联商品信息中的至少一种。
根据本公开的一个或多个实施例,示例14提供了示例13的装置,所述待处理图像为用户浏览的图像,和/或用户浏览的视频中的图像帧。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (8)
1.一种图像识别方法,其特征在于,所述方法包括:
获取待处理图像的目标视觉特征;
通过预设的映射算法,将所述目标视觉特征映射至词嵌入空间,以获取所述待处理图像的视觉文本特征;
基于所述视觉文本特征和所述目标视觉特征,生成用于表征所述待处理图像中的物体种类的目标标签;
所述映射算法是基于第一图像样本的标签文本特征与所述第一图像样本的视觉文本特征预先建立的映射算法;
所述基于所述视觉文本特征和所述目标视觉特征,生成用于表征所述待处理图像中的物体种类的目标标签,包括:确定所述视觉文本特征与多个所述标签文本特征的特征相似度;基于所述目标视觉特征通过分类器生成所述待处理图像中的物体在各种类之间的概率分布,所述分类器是基于第二图像样本训练得到的;基于所述特征相似度,对所述概率分布进行加权处理,得到所述目标标签;
所述分类器的训练包括:获取所述第二图像样本的目标视觉特征以及视觉文本特征;将所述目标视觉特征输入所述分类器中,得到所述分类器输出的概率分布;根据所述第二图像样本的视觉文本特征与所述标签文本特征之间的特征相似度,对所述分类器输出的概率分布进行加权处理,得到所述第二图像样本的预测标签;根据所述第二图像样本的真实标签与所述预测标签计算损失值,并根据所述损失值更新所述分类器的参数。
2.根据权利要求1所述的方法,其特征在于,所述确定所述视觉文本特征与多个所述标签文本特征的特征相似度,包括:
计算所述视觉文本特征与所述多个所述标签文本特征组成的文本特征矩阵之间的特征相似度矩阵;
所述基于所述特征相似度,对所述概率分布进行加权处理,包括:
将所述概率分布与所述特征相似度矩阵点乘,并将获得的目标概率分布作为所述目标标签。
3.根据权利要求1所述的方法,其特征在于,所述映射算法是通过以下步骤训练得到的:
重复执行将第一样本图像的视觉文本特征输入所述预设的映射算法得到训练文本特征,计算所述训练文本特征和与所述第一样本图像的物体种类对应的标签文本特征之间的样本相似度,调整所述预设的映射算法以提升样本相似度的步骤,直至满足训练停止条件。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述获取待处理图像的目标视觉特征,包括:
响应于用户针对所述待处理图像的信息查询操作,获取待处理图像的目标视觉特征;
所述方法还包括:
基于所述待处理图像的目标标签,从数据库中确定与所述目标标签相关联的目标信息,并向用户展示所述目标信息,其中,所述目标信息包括图像信息、视频信息、关联商品信息中的至少一种。
5.根据权利要求4所述的方法,其特征在于,所述待处理图像为用户浏览的图像,和/或用户浏览的视频中的图像帧。
6.一种图像识别装置,其特征在于,所述装置包括:
提取模块,用于获取待处理图像的目标视觉特征;
映射模块,用于通过预设的映射算法,将所述目标视觉特征映射至词嵌入空间,以获取所述待处理图像的视觉文本特征;
生成模块,用于基于所述视觉文本特征和所述目标视觉特征,生成用于表征所述待处理图像中的物体种类的目标标签;
其中,所述映射算法是基于第一图像样本的标签文本特征与所述第一图像样本的视觉文本特征预先建立的映射算法;
所述生成模块用于确定所述视觉文本特征与多个所述标签文本特征的特征相似度;基于所述目标视觉特征通过分类器生成所述待处理图像中的物体在各种类之间的概率分布,所述分类器是基于第二图像样本训练得到的;基于所述特征相似度,对所述概率分布进行加权处理,得到所述目标标签;
所述装置还包括第一训练模块,用于获取所述第二图像样本的目标视觉特征以及视觉文本特征;将所述目标视觉特征输入所述分类器中,得到所述分类器输出的概率分布;根据所述第二图像样本的视觉文本特征与所述标签文本特征之间的特征相似度,对所述分类器输出的概率分布进行加权处理,得到所述第二图像样本的预测标签;根据所述第二图像样本的真实标签与所述预测标签计算损失值,并根据所述损失值更新所述分类器的参数。
7.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现权利要求1-5中任一项所述方法的步骤。
8.一种电子设备,其特征在于,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现权利要求1-5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110105991.XA CN112766284B (zh) | 2021-01-26 | 2021-01-26 | 图像识别方法和装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110105991.XA CN112766284B (zh) | 2021-01-26 | 2021-01-26 | 图像识别方法和装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112766284A CN112766284A (zh) | 2021-05-07 |
CN112766284B true CN112766284B (zh) | 2023-11-21 |
Family
ID=75705860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110105991.XA Active CN112766284B (zh) | 2021-01-26 | 2021-01-26 | 图像识别方法和装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112766284B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723341B (zh) * | 2021-09-08 | 2023-09-01 | 北京有竹居网络技术有限公司 | 视频的识别方法、装置、可读介质和电子设备 |
CN115358392B (zh) * | 2022-10-21 | 2023-05-05 | 北京百度网讯科技有限公司 | 深度学习网络的训练方法、文本检测方法及装置 |
CN116798052B (zh) * | 2023-08-28 | 2023-12-08 | 腾讯科技(深圳)有限公司 | 文本识别模型的训练方法和装置、存储介质及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108228757A (zh) * | 2017-12-21 | 2018-06-29 | 北京市商汤科技开发有限公司 | 图像搜索方法和装置、电子设备、存储介质、程序 |
CN110825901A (zh) * | 2019-11-11 | 2020-02-21 | 腾讯科技(北京)有限公司 | 基于人工智能的图文匹配方法、装置、设备及存储介质 |
CN111125422A (zh) * | 2019-12-13 | 2020-05-08 | 北京达佳互联信息技术有限公司 | 一种图像分类方法、装置、电子设备及存储介质 |
CN111177444A (zh) * | 2020-01-02 | 2020-05-19 | 杭州创匠信息科技有限公司 | 一种图像标记方法及电子设备 |
WO2020102797A1 (en) * | 2018-11-16 | 2020-05-22 | Google Llc | Multimodal image classifier using textual and visual embeddings |
CN111611805A (zh) * | 2020-04-24 | 2020-09-01 | 平安科技(深圳)有限公司 | 一种基于图像的辅助写作方法、装置、介质及设备 |
CN111797263A (zh) * | 2020-07-08 | 2020-10-20 | 北京字节跳动网络技术有限公司 | 图像标签生成方法、装置、设备和计算机可读介质 |
EP3754549A1 (en) * | 2019-06-17 | 2020-12-23 | Sap Se | A computer vision method for recognizing an object category in a digital image |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10216766B2 (en) * | 2017-03-20 | 2019-02-26 | Adobe Inc. | Large-scale image tagging using image-to-topic embedding |
-
2021
- 2021-01-26 CN CN202110105991.XA patent/CN112766284B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108228757A (zh) * | 2017-12-21 | 2018-06-29 | 北京市商汤科技开发有限公司 | 图像搜索方法和装置、电子设备、存储介质、程序 |
WO2020102797A1 (en) * | 2018-11-16 | 2020-05-22 | Google Llc | Multimodal image classifier using textual and visual embeddings |
CN112204575A (zh) * | 2018-11-16 | 2021-01-08 | 谷歌有限责任公司 | 使用文本和视觉嵌入的多模态图像分类器 |
EP3754549A1 (en) * | 2019-06-17 | 2020-12-23 | Sap Se | A computer vision method for recognizing an object category in a digital image |
CN110825901A (zh) * | 2019-11-11 | 2020-02-21 | 腾讯科技(北京)有限公司 | 基于人工智能的图文匹配方法、装置、设备及存储介质 |
CN111125422A (zh) * | 2019-12-13 | 2020-05-08 | 北京达佳互联信息技术有限公司 | 一种图像分类方法、装置、电子设备及存储介质 |
CN111177444A (zh) * | 2020-01-02 | 2020-05-19 | 杭州创匠信息科技有限公司 | 一种图像标记方法及电子设备 |
CN111611805A (zh) * | 2020-04-24 | 2020-09-01 | 平安科技(深圳)有限公司 | 一种基于图像的辅助写作方法、装置、介质及设备 |
CN111797263A (zh) * | 2020-07-08 | 2020-10-20 | 北京字节跳动网络技术有限公司 | 图像标签生成方法、装置、设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112766284A (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11392792B2 (en) | Method and apparatus for generating vehicle damage information | |
CN112766284B (zh) | 图像识别方法和装置、存储介质和电子设备 | |
CN108989882B (zh) | 用于输出视频中的音乐片段的方法和装置 | |
CN112364860B (zh) | 字符识别模型的训练方法、装置和电子设备 | |
CN110826567B (zh) | 光学字符识别方法、装置、设备及存储介质 | |
CN112668588B (zh) | 车位信息生成方法、装置、设备和计算机可读介质 | |
CN112149699B (zh) | 用于生成模型的方法、装置和用于识别图像的方法、装置 | |
CN113515942A (zh) | 文本处理方法、装置、计算机设备及存储介质 | |
CN113140012B (zh) | 图像处理方法、装置、介质及电子设备 | |
CN113449070A (zh) | 多模态数据检索方法、装置、介质及电子设备 | |
CN113569740B (zh) | 视频识别模型训练方法与装置、视频识别方法与装置 | |
CN113033682B (zh) | 视频分类方法、装置、可读介质、电子设备 | |
CN113434716A (zh) | 一种跨模态信息检索方法和装置 | |
CN114037985A (zh) | 信息提取方法、装置、设备、介质及产品 | |
WO2022012178A1 (zh) | 用于生成目标函数的方法、装置、电子设备和计算机可读介质 | |
CN112241761B (zh) | 模型训练方法、装置和电子设备 | |
CN114625876B (zh) | 作者特征模型的生成方法、作者信息处理方法和装置 | |
CN116503596A (zh) | 图片分割方法、装置、介质和电子设备 | |
CN115984868A (zh) | 文本处理方法、装置、介质及设备 | |
CN115375656A (zh) | 息肉分割模型的训练方法、分割方法、装置、介质及设备 | |
CN114495080A (zh) | 字体识别方法、装置、可读介质及电子设备 | |
CN113032614A (zh) | 一种跨模态信息检索方法和装置 | |
CN111797931A (zh) | 图像处理方法、图像处理网络训练方法、装置、设备 | |
CN111814807B (zh) | 用于处理图像的方法、装置、电子设备和计算机可读介质 | |
CN116758359B (zh) | 图像识别方法、装置及电子设备 |
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 |