CN113435529B - 模型预训练方法、模型训练方法及图像处理方法 - Google Patents
模型预训练方法、模型训练方法及图像处理方法 Download PDFInfo
- Publication number
- CN113435529B CN113435529B CN202110765581.8A CN202110765581A CN113435529B CN 113435529 B CN113435529 B CN 113435529B CN 202110765581 A CN202110765581 A CN 202110765581A CN 113435529 B CN113435529 B CN 113435529B
- Authority
- CN
- China
- Prior art keywords
- training
- sample
- text
- model
- picture
- 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 242
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000000605 extraction Methods 0.000 claims description 18
- 230000000750 progressive effect Effects 0.000 claims description 7
- 230000001737 promoting effect Effects 0.000 claims 1
- 238000012512 characterization method Methods 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000002372 labelling Methods 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
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000873 masking effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种模型预训练方法、模型训练方法及图像处理方法，涉及图像处理领域，尤其涉及人工智能、计算机视觉技术领域。具体实现方案为：基于样本图像的图像特征以及样本图像对应的文本的文本特征训练预训练模型，从而能够为不同的下游任务提供好的基础表征，进而提供一种模型结构，可以应对多种不同的任务，提升训练的预训练模型的泛化能力；进一步地，在多模态特征(即文本特征和图像特征)的基础上进行多任务的训练，从而考虑不同任务中特征的适用性，能进一步提升模型的泛化能力，能更好的支持多样的下游任务的训练。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及人工智能、计算机视觉技术领域。
背景技术
招牌图像等文本图像在自动化POI生产流程中是一类重要的素材，其包含了招牌的名称信息，电话信息，经营范围，招牌的logo，从经营范围和名称文本又可以推理出这家店的标签。随着人工智能技术的发展，针对招牌图像等文本图像所承载的信息的利用往往需要训练不同的模型。
发明内容
本公开提供了一种模型预训练方法、模型训练方法及图像处理方法。
根据本公开的第一方面，提供了一种模型预训练方法，包括：
确定第一训练样本集，第一训练样本集包括多个第一样本图片及各个第一样本图片对应的文本；
通过初始预训练模型的特征提取网络提取得到各第一样本图片的图像特征，以及提取得到各第一样本图片对应的文本的文本特征；
基于各第一样本图片的图像特征以及各第一样本图片对应的文本的文本特征对初始预训练模型进行多任务训练，得到目标预训练模型。
根据本公开的第二方面，提供了一种模型训练方法，包括：
确定第二训练样本集，第二训练样本集包括多个第二样本图片、各第二样本图片对应的文本以及相应的样本标签信息；
基于第二训练样本集对第一方面训练的目标预训练模型进行微调，确定目标模型。
根据本公开的第三方面，提供了一种图像处理方法，包括：
确定待处理目标图片及各待处理目标图片对应的文本；
基于待处理目标图片及各待处理目标图片对应的文本，通过第二方面训练的目标模型，得到待处理目标图片的处理结果。
根据本公开的第四方面，提供了一种模型预训练装置，包括：
第一确定模块，用于确定第一训练样本集，第一训练样本集包括多个第一样本图片及各个第一样本图片对应的文本；
提取模块，用于通过初始预训练模型的特征提取网络提取得到各第一样本图片的图像特征，以及提取得到各第一样本图片对应的文本的文本特征；
训练模块，用于基于各第一样本图片的图像特征以及各第一样本图片对应的文本的文本特征对初始预训练模型进行多任务训练，得到目标预训练模型。
根据本公开的第五方面，提供了一种模型训练装置，包括
第二确定模块，用于确定第二训练样本集，第二训练样本集包括多个第二样本图片、各第二样本图片对应的文本以及相应的样本标签信息；
微调模块，用于基于第二训练样本集对第一方面训练的目标预训练模型进行微调，确定目标模型。
根据本公开的第六方面，提供了图像处理装置，包括：
第三确定模块，用于确定待处理目标图片及各待处理目标图片对应的文本；
得到模块，用于基于待处理目标图片及各待处理目标图片对应的文本，通过第二方面训练的目标模型，得到待处理目标图片的处理结果。
根据本公开的第七方面，提供了一种电子设备，该电子设备包括：
至少一个处理器；以及
与上述至少一个处理器通信连接的存储器；其中，
存储器存储有可被上述至少一个处理器执行的指令，指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述方法。
根据本公开的第八方面，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，该计算机指令用于使计算机执行上述方法。
根据本公开的第九方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述方法。
本公开提供的技术方案带来的有益效果是：
本公开实施例提供的方案，与现有技术针对招牌图像等文本图像进行分析时，仅基于提取的文本图像的图像特征进行分析相比。本公开通过确定第一训练样本集，第一训练样本集包括多个第一样本图片及各个第一样本图片对应的文本；然后通过初始预训练模型的特征提取网络提取得到各第一样本图片的图像特征，以及提取得到各第一样本图片对应的文本的文本特征；进而基于各第一样本图片的图像特征以及各第一样本图片对应的文本的文本特征对初始预训练模型进行多任务训练，得到目标预训练模型。即基于样本图像的图像特征以及样本图像对应的文本的文本特征训练预训练模型，从而能够为不同的下游任务提供好的基础表征，进而提供一种模型结构，可以应对多种不同的任务，提升训练的预训练模型的泛化能力；此外，在多模态特征(即文本特征和图像特征)的基础上进行多任务的训练，考虑不同任务中特征的适用性，能进一步提升模型的泛化能力，能更好的支持多样的下游任务的训练。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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，不构成对本公开的限定。其中：
图1是根据本公开提供的模型预训练方法流程示意图；
图2是根据本公开提供的MBPI的网络结构示例图；
图3是根据本公开提供的文本的掩码预测任务训练示例图；
图4是根据本公开提供的图像复原任务训练示例图；
图5是根据本公开提供的分类预测任务训练示例图；
图6是根据本公开提供的图文一致任务训练示例图；
图7是根据本公开提供的模型预训练的持续渐进式方法示例图；
图8是根据本公开提供的模型训练方法流程示意图；
图9是根据本公开提供的版面分析模型训练示例图；
图10本公开提供的图像处理方法流程示意图图；
图11本公开提供的模型预训练装置的结构示意图；
图12本公开提供的模型训练装置的结构示意图；
图13本公开提供的图像处理装置的结构示意图；
图14是用来实现本公开实施例的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
实施例一
图1示出了本公开实施例提供的一种模型预训练方法，如图1所示，该方法包括：
步骤S101，确定第一训练样本集，第一训练样本集包括多个第一样本图片及各个第一样本图片对应的文本；
具体地，基于采集得到的样本图像，可以通过简单人工标注的方式确定第一样本集合，或者能够实现本申请功能的其他方式，确定第一样本集合。
示例性地，可以通过图像采集装置采集得到相应的第一样本图片，然后通过简单人工标注的方式得到第一样本图片中文本对象对应的文本内容，或者通过OCR识别技术得到第一样本图像中文本对象对应的文本。
步骤S102，通过初始预训练模型的特征提取网络提取得到各第一样本图片的图像特征，以及提取得到各第一样本图片对应的文本的文本特征；
具体地，可以通过相应的特征提取网络提取得到各第一样本图片的图像特征，以及提取得到各第一样本图片对应的文本的文本特征；其中，提取图像特征的网络与提取文本特征的网络可以相同，如可以都是基于transformer的特征提取网络；也可以不同，如图像特征采用基于卷积神经网络的特征提取网络(如VGG Net、ResNet、ResNeXt、SE-Net等提取图像特征，其中，可以采用resnet-50，从而兼顾效率与准确性)，文本特征采用基于transformer或者LSTM(长短期神经网络)的特征提取网络。
示例性地，如图2所示，提供了一种能够是本申请功能的模型架构，即MPBI(Multi-modal Pretrain on Board Image)。MPBI的搭建利用Transformer模块，Transformer在图像和文本上都能够捕获全局特征，非常有利于构建多模态(即图像特征与文本特征)的融合模型。
步骤S103，基于各第一样本图片的图像特征以及各第一样本图片对应的文本的文本特征对初始预训练模型进行多任务训练，得到目标预训练模型。
其中，多任务学习(Multi-task learning)是和单任务学习(single-tasklearning)相对的一种机器学习方法。在机器学习领域，标准的算法理论是一次学习一个任务，也就是系统的输出为实数的情况。复杂的学习问题先被分解成理论上独立的子问题，然后分别对每个子问题进行学习，最后通过对子问题学习结果的组合建立复杂问题的数学模型。多任务学习是一种联合学习，多个任务并行学习，结果相互影响。
具体地，可以基于各第一样本图片的图像特征、各第一样本图片对应的文本的文本特征，以及预定的损失函数，通过向损失函数值变小的方向进行反向传播，调整初始预训练模型模型的模型参数，直至收敛，得到训练好的目标预训练模型。
本公开实施例提供的方案，与现有技术针对招牌图像等文本图像进行分析时，仅基于提取的文本图像的图像特征进行分析相比。本公开通过确定第一训练样本集，第一训练样本集包括多个第一样本图片及各个第一样本图片对应的文本；然后通过初始预训练模型的特征提取网络提取得到各第一样本图片的图像特征，以及提取得到各第一样本图片对应的文本的文本特征；进而基于各第一样本图片的图像特征以及各第一样本图片对应的文本的文本特征对初始预训练模型进行多任务训练，得到目标预训练模型。即基于样本图像的图像特征以及样本图像对应的文本的文本特征训练预训练模型，从而能够为不同的下游任务提供好的基础表征，进而提供一种模型结构，可以应对多种不同的任务，提升训练的预训练模型的泛化能力；此外，在多模态特征(即文本特征和图像特征)的基础上进行多任务的训练，考虑不同任务中特征的适用性，能进一步提升模型的泛化能力，能更好的支持多样的下游任务的训练。
本公开实施例提供了一种可能的实现方式，其中，多任务训练包括以下至少两种任务的训练：文本的掩码预测任务；图像复原任务；分类预测任务；图文一致任务。
其中，文本的掩码预测任务，即通过对输入文本进行随机的token替换，让MPBI最后预测这个token位置的输入是否是被掩盖之前的那个字。其中，文本的掩码预测任务，运用了自监督的方法，它允许我们使用数据本身来生成标签(对于本申请随机的对部分文本内容进行掩码处理，而将被掩码处理的文本作为其预测的标签)，并使用监督的方法来解决非监督的问题。
示例性地，文本的掩码预测任务的训练框架如图3所示，输入包含“陕西特”的文本图像，以及输入“陕[mask]特”，得到当前模型结果，即对“西”进行掩码处理，并将“西”作为模型预测的目标结果与当前的模型结果进行比对，确定损失，进而调整模型的参数。
其中，图像复原任务，通过对图像部分进行掩码，对输出的特征进行一个像素级别的图像复原任务，具体来讲就是让MPBI能够自适应的关注到图像中含有文本的部位，并且能从图像上对具有文本部分的特征进行理解，这一部分不需要对首位的全图进行掩码，只需要对其他含有单独文字的部分进行掩码，具体的处理方法图4所示，对被掩盖位置的feature进行反卷积，并计算其输出与正确的图像之间的像素之间的softmax loss。
其中，Tag在POI(兴趣点，point or interest)领域是一个重要的分类方法，包括餐饮美食，生活服务等。目前招牌库内包含了海量的弱标注Tag信息，通过MBPI可以利用这些弱标注的数据来进行预训练。Tag的标注本身就需要同时结合POI名称和招牌图像上的一些特征来进行的，而MPBI天然的结合文本和图像可以解决此问题。其结构如图5所示，通过多模态特征(即结合图像特征与文本特征，从而引入了文本语义信息)进行Tag的分类，能增加分类预测的准确性。
示例性地，其中，图文一致任务，让MPBI对图像招牌和其对应的POI名称是否一致进行一个区分，对POI文本部分随机抽取其他POI名称进行替换，输入至MPBI中进行分类，如图6所示，对正确的POI：陕西特色小吃，替换为：杨国福麻辣烫，然后输入至MPBI中进行一个图文一致的分类。
对于本申请实施例，训练的多任务至少包括以下两种，文本的掩码预测任务；图像复原任务；分类预测任务；图文一致任务。由于该四种任务涵盖了文本图像分析的一些基本任务，在进行复杂下游任务分析时，能够利用该四种任务中所包含的有用信息，为所关注任务的学习(即后续下游任务)提供更强的归纳偏置。本申请的多任务学习的过程，可以看作是对与问题相关的经验数据进行分析，从中归纳出反映问题本质的模型的过程，即文本图像类分析任务问题本质的过程。
此外，本申请实施例，在多模态特征(即文本特征和图像特征)的基础上进行多任务的训练，考虑不同任务中特征的适用性，能进一步提升模型的泛化能力，能更好的支持多样的下游任务的训练。
本公开实施例提供了一种可能的实现方式，其中，如果多任务训练包括分类预测任务或图文一致任务的训练，基于各第一样本图片的图像特征以及各个第一样本图片对应的文本的文本特征对初始预训练模型进行多任务训练，得到目标预训练模型，包括：
基于各第一样本图片的图像特征、各个第一样本图片对应的文本的文本特征，以及，各第一样本图片对应的分类标签或者各第一样本图片与各第一样本图片对应的文本的图文是否一致标签，对初始预训练模型进行多任务训练，得到目标预训练模型。
示例性地，如图5、图6所示，利用了一些弱标签数据(文本图像的分类标签、图文是否一致标签)进行模型的训练，从而尽可能使得现有的数据得以充分利用。
对于本申请实施例，利用一些弱标签数据进行模型的训练学习，能基于现有的弱标签进行基础学习。尤其是，在对于强标签数据较少，现有的数据多为无标签数据或弱标签数据，从而能充分利用现有的无标签数据或弱标签数据进行基础学习，然后通过少量的强标签数据进行微调，即可得到效果较好的模型。
本公开实施例提供了一种可能的实现方式，其中，第一样本图片为店招门牌图片、广告牌图片、宣传标语图片中的至少一种。
对于本申请实施例，第一样本图片为店招门牌图片、广告牌图片、宣传标语图片中的至少一种，也可以是其他文本图像，即图片中包含相应文本图像的图片。
POI(point or interest，兴趣点)生产环节，分为“招牌提取”+“自动化处理”+“坐标生产”+“人工作业”几个环节，最终目的是通过整个生产，生产出现实世界的POI“名称”和“坐标”。
对于本申请实施例，通过对店招门牌图片、广告牌图片、宣传标语图片等文本图片，进行多模态及多任务的学习训练，为后续下游的对店招门牌图片、广告牌图片、宣传标语图片等文本图片的分析任务提供了有力基础。如提升店招门牌图片、广告牌图片、宣传标语图片等文本图片的下游分析任务模型训练的效率以及准确性等。
本公开实施例提供了一种可能的实现方式，其中，基于各第一样本图片的图像特征以及各个第一样本图片对应的文本的文本特征对初始预训练模型进行多任务训练，得到目标预训练模型，包括：
采用持续渐进式的方法，基于各第一样本图片的图像特征以及各个第一样本图片对应的文本的文本特征对初始预训练模型进行多任务训练，得到目标预训练模型。
其中，MPBI的预训练是一种多任务学习的过程，为了让模型能够循序渐进的学习图像、文本自有的内部关系，和图像文本相互之间的联系，MPBI的预训练方法是一种持续渐进式的训练过程。
示例性地，如图7所示，在训练过程中不断的注入新的任务，并且保持之前的任务不变，从而使MPBI在接受学习新任务的时候就已经具备了一定的理解能力，而不是直接从头开始训练。
实施例二
根据本公开的第二方面，提供了一种模型训练方法，如图8所示，包括：
步骤S801，确定第二训练样本集，第二训练样本集包括多个第二样本图片、各第二样本图片对应的文本以及相应的样本标签信息；
步骤S802，基于第二训练样本集对根据权利要求1-5训练的目标预训练模型进行微调，确定目标模型。
预训练指预先训练的一个模型或者指预先训练模型的过程；微调就是指将预训练过的模型作用于自己的数据集，并使参数适应自己数据集的过程。微调(fine tuning)能够用别人的参数、修改后的网络和自己的数据进行训练，使得参数适应自己的数据。
对于本申请实施例，基于先前通过多模态以及多任务学习训练得到的目标预训练模型，进行微调，从而得到目标模型，提升了模型训练的效率。其中，微调过程中可以是少量的具有强标签的训练样本，从而能够充分利用弱标签、无标签数据训练具有一定表达能力的基础模型，然后结合少量具有强标签数据的样本进行微调即可，从而即使是针对训练数据较少的下游任务，也能获得具有较好效果的下游任务模型。
本申请实施例提供了一种可能的实现方式，其中，相应的样本标签信息为各第二样本图片包含的各个文本区域的标签，目标模型用于确定图片中各文本区域的标签。
其中，招牌的版面分析指的是对招牌的每个具有文本的区域进行一个分类，类别一般包括：主名称，分店名称，经营范围，电话，广告，噪声。MBPI对该任务具有天然的优势，并且仅仅只需要部分少量的标注的版面分析样本进行微调就能得到一个较为鲁棒的模型，因为MPBI在预训练过程中就在学习招牌的图像和语义对齐的问题，而这一步只需要让MPBI理解分类正确不同图像的类别即可。具体的微调方法如图9所示，只需要将对应的图像部分和图像的OCR的结果输入至MPBI中，然后对其类别进行识别。
本申请实施例提供了一种可能的实现方式，其中，基于实施例训练的目标预训练模型，进行用于确定图片中各文本区域的标签目标模型的微调，提升了用于确定图片中各文本区域的标签目标模型的训练效率及鲁棒性。
本申请实施例提供了一种可能的实现方式，其中，第二样本图片为店招门牌图片、广告牌图片、宣传标语图片中的至少一种。
对于本申请实施，针对店招门牌图片、广告牌图片、宣传标语图片等文本图片样本数据，进行模型的微调，可以提升对店招门牌图片、广告牌图片、宣传标语图片等文本图片进行分析的模型的训练的效率，以及鲁棒性。
实施例三
本公开实施例提供了一种图像处理方法，如图10所示，包括：
步骤S1001，确定待处理目标图片及各待处理目标图片对应的文本；
步骤S1002，基于待处理目标图片及各待处理目标图片对应的文本，通过实施例二训练的目标模型，得到待处理目标图片的处理结果。
具体地，可以通过相应的图像采集装置采集得到待处理目标图片，并通过人工的方式或者OCR识别的方式确定待处理图片对应的文本，然后基于待处理目标图片及各待处理目标图片对应的文本，通过实施例二训练的目标模型，得到待处理目标图片的处理结果。
对于本申请实施例，解决了针对待处理目标图片下游分析任务的处理问题。
本申请实施例提供了一种可能的实现方式，其中，样本图片为店招门牌图片、广告牌图片、宣传标语图片中的至少一种。
本申请实施例的其他有益效果，同上述实施例，此处不再赘述。
实施例四
本公开实施例提供了一种模型预训练装置1100，如图11所示包括：
第一确定模块1101，用于确定第一训练样本集，第一训练样本集包括多个第一样本图片及各个第一样本图片对应的文本；
提取模块1102，用于通过初始预训练模型的特征提取网络提取得到各第一样本图片的图像特征，以及提取得到各第一样本图片对应的文本的文本特征；
训练模块1103，用于基于各第一样本图片的图像特征以及各第一样本图片对应的文本的文本特征对初始预训练模型进行多任务训练，得到目标预训练模型。
本申请实施例提供了一种可能的实现方式，其中，多任务训练包括以下至少两种任务的训练：文本的掩码预测任务；图像复原任务；分类预测任务；图文一致任务。
本申请实施例提供了一种可能的实现方式，其中，如果多任务训练包括分类预测任务或图文一致任务的训练，训练模块1103，具体用于基于各第一样本图片的图像特征、各个第一样本图片对应的文本的文本特征，以及，各第一样本图片对应的分类标签或者各第一样本图片与各第一样本图片对应的文本的图文是否一致标签，对初始预训练模型进行多任务训练，得到目标预训练模型。
本申请实施例提供了一种可能的实现方式，，其中，第一样本图片为店招门牌图片、广告牌图片、宣传标语图片中的至少一种。
本申请实施例提供了一种可能的实现方式，，其中，训练模块1103，具体用于采用持续渐进式的方法，基于各第一样本图片的图像特征以及各个第一样本图片对应的文本的文本特征对初始预训练模型进行多任务训练，得到目标预训练模型。
对于本申请实施例，其实现的有益效果同上述方法实施例，此处不再赘述。
实施例五
本公开实施例提供了一种模型训练装置1200，如图12所示包括：
第二确定模块1201，用于确定第二训练样本集，第二训练样本集包括多个第二样本图片、各第二样本图片对应的文本以及相应的样本标签信息；
微调模块1202，用于基于第二训练样本集对实施例一训练的目标预训练模型进行微调，确定目标模型。
本申请实施例提供了一种可能的实现方式，其中，相应的样本标签信息为各第二样本图片包含的各个文本区域的标签，目标模型用于确定图片中各文本区域的标签。
本申请实施例提供了一种可能的实现方式，其中，
第二样本图片为店招门牌图片、广告牌图片、宣传标语图片中的至少一种。
对于本申请实施例，其实现的有益效果同上述方法实施例，此处不再赘述。
本申请实施例提供了一种图像处理装置1300，如图13所示，包括：
第三确定模块1301，用于确定待处理目标图片及各待处理目标图片对应的文本；
得到模块1302，用于基于待处理目标图片及各待处理目标图片对应的文本，通过实施例二训练的目标模型，得到待处理目标图片的处理结果。
本申请实施例提供了一种可能的实现方式，其中，
样本图片为店招门牌图片、广告牌图片、宣传标语图片中的至少一种。
对于本申请实施例，其实现的有益效果同上述方法实施例，此处不再赘述。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开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。
该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如本公开实施例提供的方法。
该电子设备与现有技术针对招牌图像等文本图像进行分析时，仅基于提取的文本图像的图像特征进行分析相比。本公开通过确定第一训练样本集，第一训练样本集包括多个第一样本图片及各个第一样本图片对应的文本；然后通过初始预训练模型的特征提取网络提取得到各第一样本图片的图像特征，以及提取得到各第一样本图片对应的文本的文本特征；进而基于各第一样本图片的图像特征以及各第一样本图片对应的文本的文本特征对初始预训练模型进行多任务训练，得到目标预训练模型。即基于样本图像的图像特征以及样本图像对应的文本的文本特征训练预训练模型，从而能够为不同的下游任务提供好的基础表征，进而提供一种模型结构，可以应对多种不同的任务，提升训练的预训练模型的泛化能力；此外，在多模态特征(即文本特征和图像特征)的基础上进行多任务的训练，考虑不同任务中特征的适用性，能进一步提升模型的泛化能力，能更好的支持多样的下游任务的训练。
该可读存储介质为存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如本公开实施例提供的方法。
该可读存储介质与现有技术针对招牌图像等文本图像进行分析时，仅基于提取的文本图像的图像特征进行分析相比。本公开通过确定第一训练样本集，第一训练样本集包括多个第一样本图片及各个第一样本图片对应的文本；然后通过初始预训练模型的特征提取网络提取得到各第一样本图片的图像特征，以及提取得到各第一样本图片对应的文本的文本特征；进而基于各第一样本图片的图像特征以及各第一样本图片对应的文本的文本特征对初始预训练模型进行多任务训练，得到目标预训练模型。即基于样本图像的图像特征以及样本图像对应的文本的文本特征训练预训练模型，从而能够为不同的下游任务提供好的基础表征，进而提供一种模型结构，可以应对多种不同的任务，提升训练的预训练模型的泛化能力；此外，在多模态特征(即文本特征和图像特征)的基础上进行多任务的训练，考虑不同任务中特征的适用性，能进一步提升模型的泛化能力，能更好的支持多样的下游任务的训练。
该计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如本公开的第一方面中所示的方法。
该计算机程序产品与现有技术针对招牌图像等文本图像进行分析时，仅基于提取的文本图像的图像特征进行分析相比。本公开通过确定第一训练样本集，第一训练样本集包括多个第一样本图片及各个第一样本图片对应的文本；然后通过初始预训练模型的特征提取网络提取得到各第一样本图片的图像特征，以及提取得到各第一样本图片对应的文本的文本特征；进而基于各第一样本图片的图像特征以及各第一样本图片对应的文本的文本特征对初始预训练模型进行多任务训练，得到目标预训练模型。即基于样本图像的图像特征以及样本图像对应的文本的文本特征训练预训练模型，从而能够为不同的下游任务提供好的基础表征，进而提供一种模型结构，可以应对多种不同的任务，提升训练的预训练模型的泛化能力；此外，在多模态特征(即文本特征和图像特征)的基础上进行多任务的训练，考虑不同任务中特征的适用性，能进一步提升模型的泛化能力，能更好的支持多样的下游任务的训练。
图14示出了可以用来实施本公开的实施例的示例电子设备1400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/或者要求的本公开的实现。
如图14所示，设备1400包括计算单元1401，其可以根据存储在只读存储器(ROM)1402中的计算机程序或者从存储单元1408加载到随机访问存储器(RAM)1403中的计算机程序，来执行各种适当的动作和处理。在RAM 1403中，还可存储设备1400操作所需的各种程序和数据。计算单元1401、ROM1402以及RAM 1403通过总线1404彼此相连。输入/输出(I/O)接口1405也连接至总线1404。
设备1400中的多个部件连接至I/O接口1405，包括：输入单元1406，例如键盘、鼠标等；输出单元1407，例如各种类型的显示器、扬声器等；存储单元1408，例如磁盘、光盘等；以及通信单元1409，例如网卡、调制解调器、无线通信收发机等。通信单元1409允许设备1400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1401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1401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1401执行上文所描述的各个方法和处理，例如方法模型预训练方法或模型训练方法或图像处理方法。例如，在一些实施例中，方法模型预训练方法或模型训练方法或图像处理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1408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1402和/或通信单元1409而被载入和/或安装到设备1400上。当计算机程序加载到RAM 1403并由计算单元1401执行时，可以执行上文描述的方法模型预训练方法或模型训练方法或图像处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元1401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法模型预训练方法或模型训练方法或图像处理方法。
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。
用于实施本公开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。
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)和互联网。
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，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，本发公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (15)
1.一种模型预训练方法，包括：
确定第一训练样本集，所述第一训练样本集包括多个第一样本图片及各个第一样本图片对应的文本；
通过初始预训练模型的特征提取网络提取得到各第一样本图片的图像特征，以及提取得到各第一样本图片对应的文本的文本特征，预训练模型的模型架构为MPBI，所述MPBI为利用能在图像和文本上捕获全局特征的Transformer模块搭建的；
基于所述各第一样本图片的图像特征以及各第一样本图片对应的文本的文本特征对所述初始预训练模型进行多任务训练，得到目标预训练模型；所述多任务训练包括以下至少两种任务的训练：文本的掩码预测任务；图像复原任务；分类预测任务；图文一致任务；所述文本的掩码预测任务为对输入文本进行随机的token替换，让所述MPBI预测token位置的输入是否是被掩盖之前的文本；
如果所述多任务训练包括分类预测任务或图文一致任务的训练，所述基于所述各第一样本图片的图像特征以及各个第一样本图片对应的文本的文本特征对所述初始预训练模型进行多任务训练，得到目标预训练模型，包括：
基于所述各第一样本图片的图像特征、各个第一样本图片对应的文本的文本特征，以及，各第一样本图片对应的分类标签或者各第一样本图片与各第一样本图片对应的文本的图文是否一致标签，对所述初始预训练模型进行多任务训练，得到目标预训练模型。
2.根据权利要求1所述的方法，其中，所述第一样本图片为店招门牌图片、广告牌图片、宣传标语图片中的至少一种。
3.根据权利要求1-2任一项所述的方法，其中，所述基于所述各第一样本图片的图像特征以及各个第一样本图片对应的文本的文本特征对所述初始预训练模型进行多任务训练，得到目标预训练模型，包括：
采用持续渐进式的方法，基于所述各第一样本图片的图像特征以及各个第一样本图片对应的文本的文本特征对所述初始预训练模型进行多任务训练，得到目标预训练模型。
4.一种模型训练方法，包括：
确定第二训练样本集，所述第二训练样本集包括多个第二样本图片、各第二样本图片对应的文本以及相应的样本标签信息；
基于所述第二训练样本集对根据权利要求1-3训练的目标预训练模型进行微调，确定目标模型。
5.根据权利要求4所述的方法，其中，所述相应的样本标签信息为各第二样本图片包含的各个文本区域的标签，所述目标模型用于确定图片中各文本区域的标签。
6.根据权利要求4所述的方法，其中，
所述第二样本图片为店招门牌图片、广告牌图片、宣传标语图片中的至少一种。
7.一种图像处理方法，包括：
确定待处理目标图片及各待处理目标图片对应的文本；
基于待处理目标图片及各待处理目标图片对应的文本，通过权利要求4-6任一项训练的目标模型，得到所述待处理目标图片的处理结果。
8.根据权利要求7所述的方法，其中，
所述样本图片为店招门牌图片、广告牌图片、宣传标语图片中的至少一种。
9.一种模型预训练装置，包括：
第一确定模块，用于确定第一训练样本集，所述第一训练样本集包括多个第一样本图片及各个第一样本图片对应的文本；
提取模块，用于通过初始预训练模型的特征提取网络提取得到各第一样本图片的图像特征，以及提取得到各第一样本图片对应的文本的文本特征，预训练模型的模型架构为MPBI，所述MPBI为利用能在图像和文本上捕获全局特征的Transformer模块搭建的；
训练模块，用于基于所述各第一样本图片的图像特征以及各第一样本图片对应的文本的文本特征对所述初始预训练模型进行多任务训练，得到目标预训练模型；所述多任务训练包括以下至少两种任务的训练：文本的掩码预测任务；图像复原任务；分类预测任务；图文一致任务；所述文本的掩码预测任务为对输入文本进行随机的token替换，让所述MPBI预测token位置的输入是否是被掩盖之前的文本；
如果所述多任务训练包括分类预测任务或图文一致任务的训练，训练模块，具体用于基于所述各第一样本图片的图像特征、各个第一样本图片对应的文本的文本特征，以及，各第一样本图片对应的分类标签或者各第一样本图片与各第一样本图片对应的文本的图文是否一致标签，对所述初始预训练模型进行多任务训练，得到目标预训练模型。
10.根据权利要求9所述的装置，其中，训练模块，具体用于采用持续渐进式的方法，基于所述各第一样本图片的图像特征以及各个第一样本图片对应的文本的文本特征对所述初始预训练模型进行多任务训练，得到目标预训练模型。
11.一种模型训练装置，包括：
第二确定模块，用于确定第二训练样本集，所述第二训练样本集包括多个第二样本图片、各第二样本图片对应的文本以及相应的样本标签信息；
微调模块，用于基于所述第二训练样本集对根据权利要求1-3训练的目标预训练模型进行微调，确定目标模型。
12.根据权利要求11所述的装置，其中，所述相应的样本标签信息为各第二样本图片包含的各个文本区域的标签，所述目标模型用于确定图片中各文本区域的标签。
13.一种图像处理装置，包括：
第三确定模块，用于确定待处理目标图片及各待处理目标图片对应的文本；
得到模块，用于基于待处理目标图片及各待处理目标图片对应的文本，通过权利要求4-6任一项训练的目标模型，得到所述待处理目标图片的处理结果。
14.一种电子设备，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1-8中任一项所述的方法。
15.一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1-8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110765581.8A CN113435529B (zh) | 2021-07-06 | 2021-07-06 | 模型预训练方法、模型训练方法及图像处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110765581.8A CN113435529B (zh) | 2021-07-06 | 2021-07-06 | 模型预训练方法、模型训练方法及图像处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113435529A CN113435529A (zh) | 2021-09-24 |
| CN113435529B true CN113435529B (zh) | 2023-11-07 |
Family
ID=77759387
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110765581.8A Active CN113435529B (zh) | 2021-07-06 | 2021-07-06 | 模型预训练方法、模型训练方法及图像处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113435529B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114298121B (zh) * | 2021-10-09 | 2024-07-16 | 腾讯科技（深圳）有限公司 | 基于多模态的文本生成方法、模型训练方法和装置 |
| CN113947700A (zh) * | 2021-10-18 | 2022-01-18 | 北京百度网讯科技有限公司 | 模型确定方法、装置、电子设备和存储器 |
| CN114417974B (zh) * | 2021-12-22 | 2023-06-20 | 北京百度网讯科技有限公司 | 模型训练方法、信息处理方法、装置、电子设备和介质 |
| CN114550177B (zh) * | 2022-02-25 | 2023-06-20 | 北京百度网讯科技有限公司 | 图像处理的方法、文本识别方法及装置 |
| CN115035538B (zh) * | 2022-03-22 | 2023-04-07 | 北京百度网讯科技有限公司 | 文本识别模型的训练方法、文本识别方法及装置 |
| CN114998684B (zh) * | 2022-05-20 | 2023-06-23 | 北京百度网讯科技有限公司 | 地理与视觉跨模态预训练模型的训练方法、定位调整方法 |
| CN114841282A (zh) * | 2022-05-20 | 2022-08-02 | 北京百度网讯科技有限公司 | 预训练模型的训练方法、求解模型的生成方法及装置 |
| CN114896373B (zh) * | 2022-07-15 | 2022-12-09 | 苏州浪潮智能科技有限公司 | 图文互检模型训练方法及装置、图文互检方法、设备 |
| CN115294400B (zh) * | 2022-08-23 | 2023-03-31 | 北京医准智能科技有限公司 | 图像分类模型的训练方法、装置、电子设备及存储介质 |
| CN115660036B (zh) * | 2022-09-22 | 2024-05-24 | 北京百度网讯科技有限公司 | 模型预训练及任务处理方法、装置、电子设备及存储介质 |
| CN118628854A (zh) * | 2023-03-07 | 2024-09-10 | 北京字跳网络技术有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112016315A (zh) * | 2020-10-19 | 2020-12-01 | 北京易真学思教育科技有限公司 | 模型训练、文本识别方法及装置、电子设备、存储介质 |
| WO2020242567A1 (en) * | 2019-05-27 | 2020-12-03 | Microsoft Technology Licensing, Llc | Cross-lingual task training |
| CN112508004A (zh) * | 2020-12-18 | 2021-03-16 | 北京百度网讯科技有限公司 | 一种文字识别方法、装置、电子设备及存储介质 |
| CN112560848A (zh) * | 2020-12-25 | 2021-03-26 | 北京百度网讯科技有限公司 | 兴趣点poi预训练模型的训练方法、装置及电子设备 |
| CN112633380A (zh) * | 2020-12-24 | 2021-04-09 | 北京百度网讯科技有限公司 | 兴趣点特征提取方法、装置、电子设备及存储介质 |
| CN112668671A (zh) * | 2021-03-15 | 2021-04-16 | 北京百度网讯科技有限公司 | 预训练模型的获取方法和装置 |
| CN112990297A (zh) * | 2021-03-10 | 2021-06-18 | 北京智源人工智能研究院 | 多模态预训练模型的训练方法、应用方法及装置 |
-
2021
- 2021-07-06 CN CN202110765581.8A patent/CN113435529B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020242567A1 (en) * | 2019-05-27 | 2020-12-03 | Microsoft Technology Licensing, Llc | Cross-lingual task training |
| CN112016315A (zh) * | 2020-10-19 | 2020-12-01 | 北京易真学思教育科技有限公司 | 模型训练、文本识别方法及装置、电子设备、存储介质 |
| CN112508004A (zh) * | 2020-12-18 | 2021-03-16 | 北京百度网讯科技有限公司 | 一种文字识别方法、装置、电子设备及存储介质 |
| CN112633380A (zh) * | 2020-12-24 | 2021-04-09 | 北京百度网讯科技有限公司 | 兴趣点特征提取方法、装置、电子设备及存储介质 |
| CN112560848A (zh) * | 2020-12-25 | 2021-03-26 | 北京百度网讯科技有限公司 | 兴趣点poi预训练模型的训练方法、装置及电子设备 |
| CN112990297A (zh) * | 2021-03-10 | 2021-06-18 | 北京智源人工智能研究院 | 多模态预训练模型的训练方法、应用方法及装置 |
| CN112668671A (zh) * | 2021-03-15 | 2021-04-16 | 北京百度网讯科技有限公司 | 预训练模型的获取方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| 基于对抗训练的文本表示和分类算法;张晓辉;于双元;王全新;徐保民;;计算机科学(S1);全文 * |
| 用于文本分类的多探测任务语言模型微调;傅群超;王枞;;北京邮电大学学报(06);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113435529A (zh) | 2021-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113435529B (zh) | 模型预训练方法、模型训练方法及图像处理方法 | |
| CN113378833B (zh) | 图像识别模型训练方法、图像识别方法、装置及电子设备 | |
| CN113326764B (zh) | 训练图像识别模型和图像识别的方法和装置 | |
| CN111598164B (zh) | 识别目标对象的属性的方法、装置、电子设备和存储介质 | |
| CN113836925B (zh) | 预训练语言模型的训练方法、装置、电子设备及存储介质 | |
| CN115114439B (zh) | 多任务模型推理、多任务信息处理的方法和装置 | |
| CN115063875B (zh) | 模型训练方法、图像处理方法、装置和电子设备 | |
| US11164004B2 (en) | Keyframe scheduling method and apparatus, electronic device, program and medium | |
| CN113378832B (zh) | 文本检测模型训练方法、文本预测框方法及装置 | |
| CN113657483A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
| CN114863437B (zh) | 文本识别方法、装置、电子设备和存储介质 | |
| CN113963186A (zh) | 目标检测模型的训练方法、目标检测方法及相关装置 | |
| CN115358392A (zh) | 深度学习网络的训练方法、文本检测方法及装置 | |
| CN113947700A (zh) | 模型确定方法、装置、电子设备和存储器 | |
| CN113239807A (zh) | 训练票据识别模型和票据识别的方法和装置 | |
| CN114970540A (zh) | 训练文本审核模型的方法和装置 | |
| CN113762109B (zh) | 一种文字定位模型的训练方法及文字定位方法 | |
| CN114495101A (zh) | 文本检测方法、文本检测网络的训练方法及装置 | |
| Nguyen-Tat et al. | Automating attendance management in human resources: A design science approach using computer vision and facial recognition | |
| CN116578925A (zh) | 基于特征画像的行为预测方法、装置及存储介质 | |
| CN112560848B (zh) | 兴趣点poi预训练模型的训练方法、装置及电子设备 | |
| CN115393870A (zh) | 一种文本信息处理方法、装置、设备及存储介质 | |
| CN115565186A (zh) | 文字识别模型的训练方法、装置、电子设备和存储介质 | |
| CN114724144A (zh) | 文本识别方法、模型的训练方法、装置、设备及介质 | |
| CN115719465B (zh) | 车辆检测方法、装置、设备、存储介质以及程序产品 |
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 |