CN114638960A - 模型的训练方法、图像描述生成方法和装置、设备、介质 - Google Patents

模型的训练方法、图像描述生成方法和装置、设备、介质 Download PDF

Info

Publication number
CN114638960A
CN114638960A CN202210282393.4A CN202210282393A CN114638960A CN 114638960 A CN114638960 A CN 114638960A CN 202210282393 A CN202210282393 A CN 202210282393A CN 114638960 A CN114638960 A CN 114638960A
Authority
CN
China
Prior art keywords
image
sample
model
description generation
image description
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.)
Pending
Application number
CN202210282393.4A
Other languages
English (en)
Inventor
舒畅
陈又新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202210282393.4A priority Critical patent/CN114638960A/zh
Publication of CN114638960A publication Critical patent/CN114638960A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例提供了一种模型的训练方法、图像描述生成方法和装置、设备、介质，属于人工智能技术领域。该方法包括：获取原始样本数据；原始样本数据包括样本图像和对应样本图像的样本特征标签；对样本图像进行目标检测，得到样本物体图像；对样本物体图像进行特征提取，得到物体图像特征向量；对样本特征标签进行编码处理，得到物体文本特征向量；根据物体图像特征向量和物体文本特征向量构建正负例；根据正负例对预设的神经网络模型进行对比学习处理，得到图像描述生成模型，图像描述生成模型用于生成目标图像描述信息。本申请实施例能够提高模型的训练效率。

Description

模型的训练方法、图像描述生成方法和装置、设备、介质
技术领域
本申请涉及人工智能技术领域，尤其涉及一种模型的训练方法、图像描述生成方法和装置、设备、介质。
背景技术
目前，大多数的图像描述生成方法常常依赖于图像的基本特征，主要通过监督学习模型对图像的基本特征进行提取，根据基本特征按照随机顺序生成文本故事语言，得到图像描述信息，而常用的监督学习模型对图像特征的关注较为分散，往往无法快速地识别出图像中的重点内容，使得模型的训练效率较低。因此，如何提高模型的训练效率，成为了亟待解决的技术问题。
发明内容
本申请实施例的主要目的在于提出一种模型的训练方法、图像描述生成方法和装置、设备、介质，旨在提高模型的训练效率。
为实现上述目的，本申请实施例的第一方面提出了一种模型的训练方法，所述方法包括：
获取原始样本数据；所述原始样本数据包括样本图像和对应所述样本图像的样本特征标签；
对所述样本图像进行目标检测，得到样本物体图像；
对所述样本物体图像进行特征提取，得到物体图像特征向量；
对所述样本特征标签进行编码处理，得到物体文本特征向量；
根据所述物体图像特征向量和所述物体文本特征向量构建正负例；
根据所述正负例对预设的神经网络模型进行对比学习处理，得到图像描述生成模型，所述图像描述生成模型用于生成目标图像描述信息。
在一些实施例，所述对所述样本图像进行目标检测，得到样本物体图像的步骤，包括：
将所述样本图像输入至预设的目标检测模型中，其中，所述目标检测模型包括卷积层、RPN层、RoI pooling层和全连接层；
通过所述卷积层对所述样本图像进行全局特征提取，得到样本特征图；
通过所述RPN层对所述样本特征图进行目标检测，得到初始检测框；
通过所述RoI pooling层对所述初始检测框进行筛选处理，得到目标检测框；
通过所述全连接层的预测函数对所述目标检测框进行分类处理，得到所述样本物体图像。
在一些实施例，所述对所述样本物体图像进行特征提取，得到物体图像特征向量的步骤，包括：
将所述样本物体图像输入至预设的特征提取模型中，其中，所述特征提取模型包括残差网络和自注意力网络；
通过所述残差网络对所述样本物体图像进行特征提取，得到初始物体特征；
通过所述自注意力网络对所述初始物体特征进行自注意力处理，得到所述物体图像特征向量。
在一些实施例，所述通过所述自注意力网络对所述初始物体特征进行自注意力处理，得到所述物体图像特征向量的步骤，包括：
通过所述自注意力网络对所述初始物体特征进行复制处理，得到第一物体特征、第二物体特征以及第三物体特征；
通过所述自注意力网络对所述第一物体特征、所述第二物体特征进行内积处理，得到第四物体特征；
通过所述自注意力网络将所述初始物体特征映射到预设的特征向量空间，得到初始物体特征向量；
通过所述自注意力网络的预设函数计算所述初始物体特征的注意力权重；
根据所述注意力权重，对所述第三物体特征、所述第四物体特征以及所述初始物体特征向量进行自注意力计算，得到所述物体图像特征向量。
在一些实施例，所述正负例包括正例对和负例对，所述根据所述正负例对预设的神经网络模型进行对比学习处理，得到图像描述生成模型的步骤，包括：
将所述正例对和所述负例对输入至所述神经网络模型；
通过所述神经网络模型的损失函数计算所述正例对的第一相似度和所述负例对的第二相似度；
根据所述第一相似度和所述第二相似度对所述神经网络模型的损失函数进行优化，以更新所述神经网络模型，得到所述图像描述生成模型。
为实现上述目的，本申请实施例的第二方面提出了一种图像描述生成方法，所述方法包括：
获取待处理的目标图像；
将所述目标图像输入至图像描述生成模型进行图像描述生成处理，得到目标图像描述信息，其中，所述图像描述生成模型根据如第一方面所述的训练方法训练得到。
为实现上述目的，本申请实施例的第三方面提出了一种模型的训练装置，所述装置包括：
样本数据获取模块，用于获取原始样本数据；所述原始样本数据包括样本图像和对应所述样本图像的样本特征标签；
目标检测模块，用于对所述样本图像进行目标检测，得到样本物体图像；
特征提取模块，用于对所述样本物体图像进行特征提取，得到物体图像特征向量；
编码模块，用于对所述样本特征标签进行编码处理，得到物体文本特征向量；
正负例构建模块，用于根据所述物体图像特征向量和所述物体文本特征向量构建正负例；
对比学习模块，用于根据所述正负例对预设的神经网络模型进行对比学习处理，得到图像描述生成模型，所述图像描述生成模型用于生成目标图像描述信息。
为实现上述目的，本申请实施例的第四方面提出了一种图像描述生成装置，所述装置包括：
目标图像获取模块，用于获取待处理的目标图像；
图像描述生成模块，用于将所述目标图像输入至图像描述生成模型进行图像描述生成处理，得到目标图像描述信息，其中，所述图像描述生成模型根据第一方面所述的训练方法训练得到。
为实现上述目的，本申请实施例的第五方面提出了一种电子设备，所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现上述第一方面所述的模型的训练方法或者第二方面所述的图像描述生成方法。
为实现上述目的，本申请实施例的第六方面提出了一种存储介质，所述存储介质为计算机可读存储介质，用于计算机可读存储，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述第一方面所述的模型的训练方法或者第二方面所述的图像描述生成方法。
本申请提出的模型的训练方法、图像描述生成方法和装置、设备、介质，其通过获取原始样本数据；原始样本数据包括样本图像和对应样本图像的样本特征标签；对样本图像进行目标检测，得到样本物体图像，能够有效地剔除样本图像中相关性不高的图像内容，较为准确地检测出样本图像中的物体特征。通过对样本物体图像进行特征提取，得到物体图像特征向量，对样本特征标签进行编码处理，得到物体文本特征向量；根据物体图像特征向量和物体文本特征向量构建正负例，能够对样本图像中每一物体的图像特征和文本特征进行配对，得到多个图像-文本对。最后根据正负例对预设的神经网络模型进行对比学习处理，得到图像描述生成模型，其中，图像描述生成模型用于生成目标图像描述信息。本申请实施例通过根据物体的图像特征与文本特征构建正负例，能够在训练过程中让神经网络模型更专注于对图像-文本对的重要内容进行学习，减少模型训练的时间，从而模型的训练效率。本申请实施例通过将待处理的目标图像输入至图像描述生成模型进行图像描述生成处理，能够提高生成的目标图像描述信息的准确性。
附图说明
图1是本申请实施例提供的模型的训练方法的流程图；
图2是图1中的步骤S102的流程图；
图3是图1中的步骤S103的流程图；
图4是图3中的步骤S303的流程图；
图5是图1中的步骤S106的流程图；
图6是本申请实施例提供的图像描述生成方法的流程图；
图7是本申请实施例提供的模型的训练装置的结构示意图；
图8是本申请实施例提供的图像描述生成装置的结构示意图；
图9是本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
首先，对本申请中涉及的若干名词进行解析：
人工智能(artificial intelligence，AI)：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
目标检测(Object Detection)：目标检测的任务是找出图像中所有感兴趣的目标(物体)，确定它们的类别和位置，是计算机视觉领域的核心问题之一。目标检测的核心问题包括四类，即(1)分类问题：即图片(或某个区域)中的图像属于哪个类别。(2)定位问题：目标可能出现在图像的任何位置。(3)大小问题：目标有各种不同的大小。(4)形状问题：目标可能有各种不同的形状目标检测分为两大系列：RCNN系列和YOLO系列，RCNN系列是基于区域检测的代表性算法，YOLO是基于区域提取的代表性算法。
对比学习(Contrastive Learning)是自监督学习的一种，不需要依赖人工标注的类别标签信息，直接利用数据本身作为监督信息。对比学习是一种为深度学习模型描述相似和不同事物的任务的方法。利用对比学习方法，可以训练机器学习模型来区分相似和不同的图像。在图像领域的自监督学习分为两种类型：生成式自监督学习、判别式自监督学习。对比学习应用的是典型的判别式自监督学习。对比学习的核心要点是：通过自动构造相似实例和不相似实例，也就是正样本和负样本，学习将正样本和负样本在特征空间进行对比，使得相似的实例在特征空间中距离拉近，而不相似的实例在特征空间中的距离拉远，差异性变大，通过这样的学习过程得到的模型表征就可以去执行下游任务，在较小的标记数据集上进行微调，从而实现无监督的模型学习过程。对比学习的指导原则是：通过自动构造相似实例和不相似实例，通过学习得到一个学习模型，利用这个模型，使得相似的实例在投影空间中比较接近，而可不相似的实例在投影空间中距离比较远。
Softmax分类器：为逻辑回归分类器面对多个分类的一般化归纳，输出的是属于不同类别的概率值。
编码(encoder)：就是将输入序列转化成一个固定长度的向量。
自注意力机制(Attention Mechanism)：注意力机制可以使得神经网络具备专注于其输入(或特征)子集的能力，选择特定的输入，可以应用于任何类型的输入而不管其形状如何。在计算能力有限情况下，注意力机制是解决信息超载问题的主要手段的一种资源分配方案，将计算资源分配给更重要的任务。
残差网络：通过残差密集块(RDB)来充分利用原始LR图像的所有分层特征。对于一个很深的网络来说，直接提取LR空间中的每个卷积层的输出很难，可以说是不切实际的。使用残差密集块(RDB)作为RDN的构建模块。RDB包含密集连通层和带有局部残差学习(LRL)的局部特征融合(LFF)。残差密集块还支持RDB间的连续记忆。一个RDB的输出可以直接访问下一个RDB各层，从而使状态连续传递。RDB每个卷积层都可以访问所有的后续层，传递需要保留的信息。将前面的RDB与当前RDB的所有前面层的状态连接，LFF通过自适应地保存信息来提取局部密集特征。此外，LFF通过稳定更大网络的训练来实现极高的增长率。在提取多层局部密集特征后，进一步进行全局特征融合(GFF)以全局方式自适应地保留分层特征。每层都可以直接访问原始的LR输入，从而产生隐式的深层监督学习。残差网络的特点是容易优化，并且能够通过增加相当的深度来提高准确率。其内部的残差块使用了跳跃连接，缓解了在深度神经网络中增加深度带来的梯度消失问题。残差网络是由一系列残差块组成的。残差块分成两部分直接映射部分和残差部分。残差部分一般由两个或者三个卷积操作构成。
门控循环单元(GRU，gated recurrent unit)：GRU是为了解决长期记忆和反向传播中的梯度等问题而提出来的。GRU作为LSTM的一种变体，将忘记门和输入门合成了一个单一的更新门。同样还混合了细胞状态和隐藏状态，加诸其他一些改动。最终的模型比标准的LSTM模型要简单，也是非常流行的变体。在GRU模型中只有两个门：分别是更新门和重置门。
图像自动描述(Image Captioning)是近年来人工智能界提出的一个机器终极智能任务，它的任务是将于一张给定图像，用自然语言对图像客观内容进行描述。随着计算机视觉技术的发展，完成目标检测、识别、分割等任务已经不能满足人们的生产需求，对如何自动客观的对图像内容自动描述有迫切的需求。和目标检测及语义分割等任务不同，图像自动描述要将图像中的物体、属性、物体间的关系以及相应的场景等用自动语言进行整体而客观的描述，该任务是计算机视觉理解的重要方向之一，被视为人工智能的一个重要标志。
目前，大多数的图像描述生成方法常常依赖于图像的基本特征，主要通过监督学习模型对图像的基本特征进行提取，根据基本特征按照随机顺序生成文本故事语言，得到图像描述信息，而常用的监督学习模型对图像特征的关注较为分散，往往无法快速地识别出图像中的重点内容，使得模型的训练效率较低。因此，如何提高模型的训练效率，成为了亟待解决的技术问题。
基于此，本申请实施例提供了一种模型的训练方法、图像描述生成方法和装置、设备、介质，旨在提高模型的训练效率。
本申请实施例提供的模型的训练方法、图像描述生成方法和装置、设备、介质，具体通过如下实施例进行说明，首先描述本申请实施例中的模型的训练方法。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础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、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例提供的图像描述生成方法，涉及人工智能技术领域。本申请实施例提供的图像描述生成方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现图像描述生成方法的应用等，但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
图1是本申请实施例提供的模型的训练方法的一个可选的流程图，图1中的方法可以包括但不限于包括步骤S101至步骤S106。
步骤S101，获取原始样本数据；原始样本数据包括样本图像和对应样本图像的样本特征标签；
步骤S102，对样本图像进行目标检测，得到样本物体图像；
步骤S103，对样本物体图像进行特征提取，得到物体图像特征向量；
步骤S104，对样本特征标签进行编码处理，得到物体文本特征向量；
步骤S105，根据物体图像特征向量和物体文本特征向量构建正负例；
步骤S106，根据正负例对预设的神经网络模型进行对比学习处理，得到图像描述生成模型，图像描述生成模型用于生成目标图像描述信息。
本申请实施例所示意的步骤S101至步骤S106，通过对样本图像进行目标检测，得到样本物体图像，能够有效地剔除样本图像中相关性不高的图像内容，较为准确地检测出样本图像中的物体特征。通过对样本物体图像进行特征提取，得到物体图像特征向量，对样本特征标签进行编码处理，得到物体文本特征向量；根据物体图像特征向量和物体文本特征向量构建正负例，能够对样本图像中每一物体的图像特征和文本特征进行配对，得到多个图像-文本对。最后根据正负例对预设的神经网络模型进行对比学习处理，得到图像描述生成模型，其中，图像描述生成模型用于生成目标图像描述信息。本申请实施例通过根据物体的图像特征与文本特征构建正负例，能够在训练过程中让神经网络模型更专注于对图像-文本对的重要内容进行学习，减少模型训练的时间，从而模型的训练效率。
在一些实施例的步骤S101中，可以通过编写网络爬虫,设置好数据源之后进行有目标性的爬取数据，得到原始样本数据。也可以通过其他方式获取原始样本数据，不限于此。其中，原始样本数据包括样本图像和对应样本图像的样本特征标签。例如，原始样本数据主要为动物图像，则样本图像可以包括白色的狗，对应样本图像的样本特征标签为白色的狗。
请参阅图2，在一些实施例中，步骤S102可以包括但不限于包括步骤S201至步骤S205：
步骤S201，将样本图像输入至预设的目标检测模型中，其中，目标检测模型包括卷积层、RPN层、RoI pooling层和全连接层；
步骤S202，通过卷积层对样本图像进行全局特征提取，得到样本特征图；
步骤S203，通过RPN层对样本特征图进行目标检测，得到初始检测框；
步骤S204，通过RoI pooling层对初始检测框进行筛选处理，得到目标检测框；
步骤S205，通过全连接层的预测函数对目标检测框进行分类处理，得到样本物体图像。
在一些实施例的步骤S201中，将样本图像输入至预设的目标检测模型中，其中，目标检测模型可以基于Faster R-CNN模型构建而成，目标检测模型包括卷积层、RPN层、RoIpooling层和全连接层。
在一些实施例的步骤S202中，通过卷积层对样本图像进行卷积处理，捕捉样本图像中的物体特征，得到样本特征图。
在一些实施例的步骤S203中，通过对样本特征图中的图像锚点进行分类处理，得到样本前景图像与样本背景图像，例如，可以根据样本特征图的像素点的像素值的不同来区分样本前景图像和样本背景图像。进一步地，根据预设参考锚点与图像锚点之间的坐标差值，计算图像锚点的偏移量，根据图像锚点的偏移量和样本前景图像对物体特征进行目标定位，得到样本特征图对应的初始检测框。
在一些实施例的步骤S204中，通过RoI Pooling层在目标特征图上提取每个初始检测框对应的图像特征，并将图像特征的特征维度设置为定值，通过线性回归学习的方式，使得图像锚点的偏移量不断地逼近真实框，从而实现对初始检测框的筛选处理，得到目标检测框。
在一些实施例的步骤S205中，通过全连接层的预测函数对目标检测框进行分类处理，得到目标图像框，其中，预测函数可以是softmax函数，通过softmax函数在不同的物体类别上创建一个概率分布，从而确定每一物体类别对应的目标图像框，并且对目标图像框进行第二次修正，从而得到样本物体图像。例如，样本物体图像可以用r1，k，r2，k…，rn，k表示，r1，k代表对第一张样本图像进行目标检测得到的k个样本物体图像，r2，k代表对第二张样本图像进行目标检测得到的k个样本物体图像。
通过上述步骤S201至步骤S205，能够对样本图像进行目标检测，有效地剔除样本图像中相关性不高的图像内容，较为准确地检测出样本图像中的物体特征。
请参阅图3，在一些实施例中，步骤S103可以包括但不限于包括步骤S301至步骤S303：
步骤S301，将样本物体图像输入至预设的特征提取模型中，其中，特征提取模型包括残差网络和自注意力网络；
步骤S302，通过残差网络对样本物体图像进行特征提取，得到初始物体特征；
步骤S303，通过自注意力网络对初始物体特征进行自注意力处理，得到物体图像特征向量。
在一些实施例的步骤S301中，将样本物体图像输入至于预设的特征提取模型中，其中，特征提取模型包括残差网络和自注意力网络，残差网络可以基于Resnet101模型构建而成，残差网络主要用于对样本物体图像进行特征提取，得到样本物体图像特征；自注意力网络可以基于自注意力机制构建而成，自注意力网络主要用于分析样本物体图像特征的重要程度，实现对样本物体特征的重要程度的排序处理。
在一些实施例的步骤S302中，通过残差网络对样本物体图像进行特征提取，捕捉样本物体图像中的重要图像特征，得到初始物体特征。例如，初始物体特征可以表示为d1，k，d2，k…，dn，k表示，d1，k代表对第一张样本物体图像r1，k进行特征提取得到的k个样本物体图像的图像特征，d2，k代表对第二张样本物体图像r2，k进行特征提取得到的k个样本物体图像的图像特征。
在一些实施例的步骤S303中，通过自注意力网络对初始物体特征进行复制处理、内积处理以及映射处理，得到多个不同尺度的初始物体特征，并根据计算得到的注意力权重对多个不同尺度的初始物体特征进行自注意力计算，实现对样本物体图像的物体特征的重要程度分析，得到物体图像特征向量。
通过上述步骤S301至步骤S303能够对样本物体图像特征的重要程度进行分析，根据重要程度对样本物体特征进行排序处理。
请参阅图4，在一些实施例中，步骤S303可以包括但不限于包括步骤S401至步骤S405：
步骤S401，通过自注意力网络对初始物体特征进行复制处理，得到第一物体特征、第二物体特征以及第三物体特征；
步骤S402，通过自注意力网络对第一物体特征、第二物体特征进行内积处理，得到第四物体特征；
步骤S403，通过自注意力网络将初始物体特征映射到预设的特征向量空间，得到初始物体特征向量；
步骤S404，通过自注意力网络的预设函数计算初始物体特征的注意力权重；
步骤S405，根据注意力权重，对第三物体特征、第四物体特征以及初始物体特征向量进行自注意力计算，得到物体图像特征向量。
在一些实施例的步骤S401中，通过自注意力网络对每一初始物体特征进行复制处理，分别将样本物体图像的初始物体特征复制3份，得到每一样本物体图像的第一物体特征Q、第二物体特征K以及第三物体特征V。
在一些实施例的步骤S402中，通过自注意力网络对第一物体特征Q、第二物体特征K进行内积处理，得到第四物体特征QKT。具体地，对样本物体图像r1，1至r1，k的每个初始物体特征都进行内积处理，得到每一样本物体图像对应的第四物体特征QKT。
在一些实施例的步骤S403中，通过自注意力网络将初始物体特征映射到预设的特征向量空间，使得得到的初始物体特征向量d满足特征维度要求，例如，通过映射处理的初始物体特征向量d的特征维度可以是512维。
在一些实施例的步骤S404中，预设函数可以是softmax函数，通过softmax函数在不同尺度的物体特征上创建一个概率分布，从而确定每一物体特征对应的注意力权重。
在一些实施例的步骤S405中，根据注意力权重，对第三物体特征、第四物体特征以及初始物体特征向量进行自注意力计算的具体计算过程可以如公式(1)所示：
Figure BDA0003558280840000101
通过上述步骤S401至步骤S405,可以对每一个样本物体图像进行自注意力计算，得到样本物体图像对应的物体图像特征向量a，应当理解的是，k个样本物体图像对应有k个物体图像特征向量a。
在一些实施例的步骤S104中，可以采用BERT编码器对样本特征标签进行编码处理，得到物体文本特征向量。由于BERT采用了Transformer Encoder block进行连接，是一个典型的双向编码模型。因而，可以通过BERT编码器对样本特征标签进行双向编码处理，即分别对样本特征标签进行从左到右的编码处理和从右到左的编码处理，从而得到物体文本特征向量。
在一些实施例的步骤S105中，根据物体图像特征向量和物体文本特征向量构建正负例时，根据物体图像特征向量和物体文本特征向量的对应关系，将能够匹配的物体图像特征向量和物体文本特征向量构建成正例对，并将不相关的物体图像特征向量和物体文本特征向量构建成负例对。例如，正例对可以表示<(白色的狗)，白色的狗>，负例对可以表示<(白色的狗)，面包>。通过物体图像特征向量和物体文本特征向量将图像-文本对转换为向量表示:正例对为<a,a′>，负例对为<a,a″>。
请参阅图5，在一些实施例中，正负例包括正例对和负例对，步骤S106还可以包括但不限于包括步骤S501至步骤S502：
步骤S501，将正例对和负例对输入至神经网络模型；
步骤S502，通过神经网络模型的损失函数计算正例对的第一相似度和负例对的第二相似度；
步骤S503，根据第一相似度和第二相似度对神经网络模型的损失函数进行优化，以更新神经网络模型，得到图像描述生成模型。
在一些实施例的步骤S501中，将正例对和负例对输入至神经网络模型，该神经网络为基于对比学习的模型。
在一些实施例的步骤S502中，损失函数为最小化损失函数infoNCEloss，第一相似度和第二相似度均为余弦相似度。
在一些实施例的步骤S503中，根据第一相似度和第二相似度对神经网络模型的损失函数进行优化时，将第一相似度最大化为第一数值，并将第二相似度最小化为第一数值，第一数值取值为1，第二数值取值为0。该损失函数中，分子是对应正例对的第一相似度，分母是所有负例对的第二相似度，然后将分子和分母构成的分子式的值包装在-log()中，这样最大化分子且最小化分母，能够实现最小化损失函数。其中，损失函数可以表示如公式(2)所示：
Figure BDA0003558280840000111
进一步地，根据损失函数进行反向传播，更新损失函数的损失参数，以对损失函数进行优化，进而根据损失函数进行反向传播，通过优化损失函数更新神经网络模型，得到图像描述生成模型。
本申请实施例的模型的训练方法，其通过获取原始样本数据；原始样本数据包括样本图像和对应样本图像的样本特征标签；对样本图像进行目标检测，得到样本物体图像，能够有效地剔除样本图像中相关性不高的图像内容，较为准确地检测出样本图像中的物体特征。通过对样本物体图像进行特征提取，得到物体图像特征向量，对样本特征标签进行编码处理，得到物体文本特征向量；根据物体图像特征向量和物体文本特征向量构建正负例，能够对样本图像中每一物体的图像特征和文本特征进行配对，得到多个图像-文本对。最后根据正负例对预设的神经网络模型进行对比学习处理，得到图像描述生成模型，其中，图像描述生成模型用于生成目标图像描述信息。本申请实施例通过根据物体的图像特征与文本特征构建正负例，能够在训练过程中让神经网络模型更专注于对图像-文本对的重要内容进行学习，减少模型训练的时间，从而模型的训练效率。
请参阅图6，本申请实施例还提供一种图像描述生成方法，该方法包括：
步骤S601，获取待处理的目标图像；
步骤S602，将目标图像输入至图像描述生成模型进行图像描述生成处理，得到目标图像描述信息，其中，图像描述生成模型根据如第一方面实施例的训练方法训练得到。
在一些实施例的步骤S601中，获取待处理的目标图像；该目标图像可以是包括着多种类别的物体特征的图像，可以通过照相机、摄像机或者CT扫描得到目标图像，还可以是其他方式获取目标图像，不限于此。
在一些实施例的步骤S602中，将目标图像输入至图像描述生成模型中，通过图像描述生成模型对目标图像进行图像识别，生成目标图像向量，通过对比学习的方式，确定目标图像向量对应的图像-文本对，得到与目标图像对应的文本词向量，通过图像描述生成模型的门控循环单元对目标图像向量和文本词向量进行多次循环处理，生成多个描述词段，并对多个描述词段进行拼接处理，从而得到目标图像描述信息。由于图像描述生成模型包含自注意力网络，在生成目标图像描述信息时，图像描述生成模型能够关注到目标图像中不同重要程度的物体特征，根据物体特征的重要程度依次对物体图像特征进行图像描述生成处理，能够使得得到的目标图像描述信息更为准确。
本申请实施例的图像描述生成方法，其通过获取待处理的目标图像，将目标图像输入至图像描述模型进行图像描述生成处理，图像描述生成模型能够快速地识别出图像中的重点内容，并对图像中的重要内容进行解析处理，得到目标图像描述信息，提高生成的目标图像描述信息的准确性。
请参阅图7，本申请实施例还提供一种模型的训练装置，该装置包括：
样本数据获取模块701，用于获取原始样本数据；原始样本数据包括样本图像和对应样本图像的样本特征标签；
目标检测模块702，用于对样本图像进行目标检测，得到样本物体图像；
特征提取模块703，用于对样本物体图像进行特征提取，得到物体图像特征向量；
编码模块704，用于对样本特征标签进行编码处理，得到物体文本特征向量；
正负例构建模块705，用于根据物体图像特征向量和物体文本特征向量构建正负例；
对比学习模块706，用于根据正负例对预设的神经网络模型进行对比学习处理，得到图像描述生成模型，图像描述生成模型用于生成目标图像描述信息。
在一些实施例中，目标检测模块702包括：
第一输入单元，用于将样本图像输入至预设的目标检测模型中，其中，目标检测模型包括卷积层、RPN层、RoI pooling层和全连接层；
全局特征提取单元，用于通过卷积层对样本图像进行全局特征提取，得到样本特征图；
目标检测单元，用于通过RPN层对样本特征图进行目标检测，得到初始检测框；
筛选单元，用于通过RoI pooling层对初始检测框进行筛选处理，得到目标检测框；
分类单元，用于通过全连接层的预测函数对目标检测框进行分类处理，得到样本物体图像。
在一些实施例中，特征提取模块703包括：
第二输入单元，用于将所述样本物体图像输入至预设的特征提取模型中，其中，特征提取模型包括残差网络和自注意力网络；
图像特征提取单元，用于通过残差网络对样本物体图像进行特征提取，得到初始物体特征；
自注意力处理单元，用于通过自注意力网络对初始物体特征进行自注意力处理，得到物体图像特征向量。
在一些实施例中，自注意力处理单元包括：
复制单元，用于通过自注意力网络对初始物体特征进行复制处理，得到第一物体特征、第二物体特征以及第三物体特征；
内积处理单元，用于通过自注意力网络对第一物体特征、第二物体特征进行内积处理，得到第四物体特征；
映射单元，用于通过自注意力网络将初始物体特征映射到预设的特征向量空间，得到初始物体特征向量；
权重计算单元，用于通过自注意力网络的预设函数计算初始物体特征的注意力权重；
自注意力计算单元，用于根据注意力权重，对第三物体特征、第四物体特征以及初始物体特征向量进行自注意力计算，得到物体图像特征向量。
在一些实施例中，正负例包括正例对和负例对，对比学习模块706包括：
输入单元，用于将正例对和所述负例对输入至神经网络模型；
相似度计算单元，用于通过神经网络模型的损失函数计算正例对的第一相似度和负例对的第二相似度；
优化单元，用于根据第一相似度和第二相似度对神经网络模型的损失函数进行优化，以更新神经网络模型，得到图像描述生成模型。
该模型的训练装置的具体实施方式与上述模型的训练方法的具体实施例基本相同，在此不再赘述。
请参阅图8，本申请实施例还提供一种图像描述生成装置，可以实现上述图像描述生成方法，该装置包括：
目标图像获取模块801，用于获取待处理的目标图像；
图像描述生成模块802，用于将目标图像输入至图像描述生成模型进行图像描述生成处理，得到目标图像描述信息，其中，所述图像描述生成模型根据如第一方面实施例的训练方法训练得到。
该图像描述生成装置的具体实施方式与上述图像描述生成方法的具体实施例基本相同，在此不再赘述。
本申请实施例还提供了一种电子设备，电子设备包括：存储器、处理器、存储在存储器上并可在处理器上运行的程序以及用于实现处理器和存储器之间的连接通信的数据总线，程序被处理器执行时实现上述模型的训练方法或者图像描述生成方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
请参阅图9，图9示意了另一实施例的电子设备的硬件结构，电子设备包括：
处理器901，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；
存储器902，可以采用只读存储器(ReadOnlyMemory，ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory，RAM)等形式实现。存储器902可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器902中，并由处理器901来调用执行本申请实施例的模型的训练方法或者图像描述生成方法；
输入/输出接口903，用于实现信息输入及输出；
通信接口904，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；
总线905，在设备的各个组件(例如处理器901、存储器902、输入/输出接口903和通信接口904)之间传输信息；
其中处理器901、存储器902、输入/输出接口903和通信接口904通过总线905实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种存储介质，存储介质为计算机可读存储介质，用于计算机可读存储，存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现上述模型的训练方法或者图像描述生成方法。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例提供的模型的训练方法、模型的训练装置、图像描述生成方法、图像描述生成装置、电子设备及存储介质，其通过获取原始样本数据；原始样本数据包括样本图像和对应样本图像的样本特征标签；对样本图像进行目标检测，得到样本物体图像，能够有效地剔除样本图像中相关性不高的图像内容，较为准确地检测出样本图像中的物体特征。通过对样本物体图像进行特征提取，得到物体图像特征向量，对样本特征标签进行编码处理，得到物体文本特征向量；根据物体图像特征向量和物体文本特征向量构建正负例，能够对样本图像中每一物体的图像特征和文本特征进行配对，得到多个图像-文本对。最后根据正负例对预设的神经网络模型进行对比学习处理，得到图像描述生成模型，其中，图像描述生成模型用于生成目标图像描述信息。本申请实施例通过根据物体的图像特征与文本特征构建正负例，能够在训练过程中让神经网络模型更专注于对图像-文本对的重要内容进行学习，减少模型训练的时间，从而模型的训练效率。本申请实施例通过将待处理的目标图像输入至图像描述生成模型进行图像描述生成处理，能够提高生成的目标图像描述信息的准确性。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图1-5、图6中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于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：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。

Claims (10)

1.一种模型的训练方法，其特征在于，所述方法包括：
获取原始样本数据；所述原始样本数据包括样本图像和对应所述样本图像的样本特征标签；
对所述样本图像进行目标检测，得到样本物体图像；
对所述样本物体图像进行特征提取，得到物体图像特征向量；
对所述样本特征标签进行编码处理，得到物体文本特征向量；
根据所述物体图像特征向量和所述物体文本特征向量构建正负例；
根据所述正负例对预设的神经网络模型进行对比学习处理，得到图像描述生成模型，所述图像描述生成模型用于生成目标图像描述信息。
2.根据权利要求1所述的训练方法，其特征在于，所述对所述样本图像进行目标检测，得到样本物体图像的步骤，包括：
将所述样本图像输入至预设的目标检测模型中，其中，所述目标检测模型包括卷积层、RPN层、RoI pooling层和全连接层；
通过所述卷积层对所述样本图像进行全局特征提取，得到样本特征图；
通过所述RPN层对所述样本特征图进行目标检测，得到初始检测框；
通过所述RoI pooling层对所述初始检测框进行筛选处理，得到目标检测框；
通过所述全连接层的预测函数对所述目标检测框进行分类处理，得到所述样本物体图像。
3.根据权利要求1所述的训练方法，其特征在于，所述对所述样本物体图像进行特征提取，得到物体图像特征向量的步骤，包括：
将所述样本物体图像输入至预设的特征提取模型中，其中，所述特征提取模型包括残差网络和自注意力网络；
通过所述残差网络对所述样本物体图像进行特征提取，得到初始物体特征；
通过所述自注意力网络对所述初始物体特征进行自注意力处理，得到所述物体图像特征向量。
4.根据权利要求3所述的训练方法，其特征在于，所述通过所述自注意力网络对所述初始物体特征进行自注意力处理，得到所述物体图像特征向量的步骤，包括：
通过所述自注意力网络对所述初始物体特征进行复制处理，得到第一物体特征、第二物体特征以及第三物体特征；
通过所述自注意力网络对所述第一物体特征、所述第二物体特征进行内积处理，得到第四物体特征；
通过所述自注意力网络将所述初始物体特征映射到预设的特征向量空间，得到初始物体特征向量；
通过所述自注意力网络的预设函数计算所述初始物体特征的注意力权重；
根据所述注意力权重，对所述第三物体特征、所述第四物体特征以及所述初始物体特征向量进行自注意力计算，得到所述物体图像特征向量。
5.根据权利要求1至4任一项所述的训练方法，其特征在于，所述正负例包括正例对和负例对，所述根据所述正负例对预设的神经网络模型进行对比学习处理，得到图像描述生成模型的步骤，包括：
将所述正例对和所述负例对输入至所述神经网络模型；
通过所述神经网络模型的损失函数计算所述正例对的第一相似度和所述负例对的第二相似度；
根据所述第一相似度和所述第二相似度对所述神经网络模型的损失函数进行优化，以更新所述神经网络模型，得到所述图像描述生成模型。
6.一种图像描述生成方法，其特征在于，用于生成目标图像描述信息，所述方法包括：
获取待处理的目标图像；
将所述目标图像输入至图像描述生成模型进行图像描述生成处理，得到目标图像描述信息，其中，所述图像描述生成模型根据如权利要求1至5任一项所述的训练方法训练得到。
7.一种模型的训练装置，其特征在于，所述装置包括：
样本数据获取模块，用于获取原始样本数据；所述原始样本数据包括样本图像和对应所述样本图像的样本特征标签；
目标检测模块，用于对所述样本图像进行目标检测，得到样本物体图像；
特征提取模块，用于对所述样本物体图像进行特征提取，得到物体图像特征向量；
编码模块，用于对所述样本特征标签进行编码处理，得到物体文本特征向量；
正负例构建模块，用于根据所述物体图像特征向量和所述物体文本特征向量构建正负例；
对比学习模块，用于根据所述正负例对预设的神经网络模型进行对比学习处理，得到图像描述生成模型，所述图像描述生成模型用于生成目标图像描述信息。
8.一种图像描述生成装置，其特征在于，所述装置包括：
目标图像获取模块，用于获取待处理的目标图像；
图像描述生成模块，用于将所述目标图像输入至图像描述生成模型进行图像描述生成处理，得到目标图像描述信息，其中，所述图像描述生成模型根据如权利要求1至5任一项所述的训练方法训练得到。
9.一种电子设备，其特征在于，所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现如权利要求1至5任一项所述的模型的训练方法或者如权利要求6所述的图像描述生成方法的步骤。
10.一种存储介质，所述存储介质为计算机可读存储介质，用于计算机可读存储，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至5任一项所述的模型的训练方法或者如权利要求6所述的图像描述生成方法的步骤。
CN202210282393.4A 2022-03-22 2022-03-22 模型的训练方法、图像描述生成方法和装置、设备、介质 Pending CN114638960A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210282393.4A CN114638960A (zh) 2022-03-22 2022-03-22 模型的训练方法、图像描述生成方法和装置、设备、介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210282393.4A CN114638960A (zh) 2022-03-22 2022-03-22 模型的训练方法、图像描述生成方法和装置、设备、介质

Publications (1)

Publication Number Publication Date
CN114638960A true CN114638960A (zh) 2022-06-17

Family

ID=81949150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210282393.4A Pending CN114638960A (zh) 2022-03-22 2022-03-22 模型的训练方法、图像描述生成方法和装置、设备、介质

Country Status (1)

Country Link
CN (1) CN114638960A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115049899A (zh) * 2022-08-16 2022-09-13 粤港澳大湾区数字经济研究院(福田) 模型训练方法、指代表达式生成方法及相关设备
CN115082430A (zh) * 2022-07-20 2022-09-20 中国科学院自动化研究所 图像分析方法、装置及电子设备
CN115631798A (zh) * 2022-10-17 2023-01-20 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种基于图对比学习的生物分子分类方法及装置
CN116630465A (zh) * 2023-07-24 2023-08-22 海信集团控股股份有限公司 一种模型训练、图像生成方法及设备
CN116778011A (zh) * 2023-05-22 2023-09-19 阿里巴巴（中国）有限公司 图像生成方法
CN117151990A (zh) * 2023-06-28 2023-12-01 西南石油大学 一种基于自注意力编码解码的图像去雾方法
CN117273107A (zh) * 2023-09-28 2023-12-22 北京百度网讯科技有限公司 文本生成模型的训练方法和训练装置

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115082430A (zh) * 2022-07-20 2022-09-20 中国科学院自动化研究所 图像分析方法、装置及电子设备
CN115082430B (zh) * 2022-07-20 2022-12-06 中国科学院自动化研究所 图像分析方法、装置及电子设备
CN115049899A (zh) * 2022-08-16 2022-09-13 粤港澳大湾区数字经济研究院(福田) 模型训练方法、指代表达式生成方法及相关设备
CN115049899B (zh) * 2022-08-16 2022-11-11 粤港澳大湾区数字经济研究院(福田) 模型训练方法、指代表达式生成方法及相关设备
CN115631798A (zh) * 2022-10-17 2023-01-20 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种基于图对比学习的生物分子分类方法及装置
CN115631798B (zh) * 2022-10-17 2023-08-08 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种基于图对比学习的生物分子分类方法及装置
CN116778011B (zh) * 2023-05-22 2024-05-24 阿里巴巴（中国）有限公司 图像生成方法
CN116778011A (zh) * 2023-05-22 2023-09-19 阿里巴巴（中国）有限公司 图像生成方法
CN117151990A (zh) * 2023-06-28 2023-12-01 西南石油大学 一种基于自注意力编码解码的图像去雾方法
CN117151990B (zh) * 2023-06-28 2024-03-22 西南石油大学 一种基于自注意力编码解码的图像去雾方法
CN116630465B (zh) * 2023-07-24 2023-10-24 海信集团控股股份有限公司 一种模型训练、图像生成方法及设备
CN116630465A (zh) * 2023-07-24 2023-08-22 海信集团控股股份有限公司 一种模型训练、图像生成方法及设备
CN117273107A (zh) * 2023-09-28 2023-12-22 北京百度网讯科技有限公司 文本生成模型的训练方法和训练装置

Similar Documents

Publication Publication Date Title
CN114638960A (zh) 模型的训练方法、图像描述生成方法和装置、设备、介质
US20220309762A1 (en) Generating scene graphs from digital images using external knowledge and image reconstruction
WO2021139191A1 (zh) 数据标注的方法以及数据标注的装置
CN111027563A (zh) 一种文本检测方法、装置及识别系统
CN109993102B (zh) 相似人脸检索方法、装置及存储介质
US20190065913A1 (en) Search method and information processing apparatus
CN111582409A (zh) 图像标签分类网络的训练方法、图像标签分类方法及设备
US20240037750A1 (en) Generating improved panoptic segmented digital images based on panoptic segmentation neural networks that utilize exemplar unknown object classes
CN114723996A (zh) 模型的训练方法、图像描述生成方法和装置、设备、介质
US11983903B2 (en) Processing images using self-attention based neural networks
CN114897060B (zh) 样本分类模型的训练方法和装置、样本分类方法和装置
CN114416995A (zh) 信息推荐方法、装置及设备
CN114359810A (zh) 视频摘要生成方法、装置、电子设备及存储介质
CN114637847A (zh) 模型的训练方法、文本分类方法和装置、设备、介质
US20230055263A1 (en) Stratification in non-classified heterogeneous object labels
CN115640394A (zh) 文本分类方法、文本分类装置、计算机设备及存储介质
CN115496820A (zh) 图像文案的生成方法、设备及计算机存储介质
CN113434722B (zh) 图像分类方法、装置、设备及计算机可读存储介质
CN114998583A (zh) 图像处理方法、图像处理装置、设备及存储介质
CN116610304B (zh) 页面代码生成方法、装置、设备和存储介质
CN113822143A (zh) 文本图像的处理方法、装置、设备以及存储介质
CN117877113A (zh) 一种基于时空骨骼拓扑的教学手势识别方法及系统
CN113705293A (zh) 图像场景的识别方法、装置、设备及可读存储介质
CN114781393B (zh) 图像描述生成方法和装置、电子设备及存储介质
CN115828153A (zh) 基于人工智能的任务预测方法、装置、设备和介质

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