CN114663952A - 对象分类方法、深度学习模型的训练方法、装置和设备 - Google Patents

Abstract

本公开提供了一种对象分类方法，涉及人工智能技术领域，尤其涉及深度学习、图像识别和计算机视觉技术领域。具体实现方案为：根据目标图像的初始向量特征图，得到局部特征图和全局特征图；根据局部特征图和全局特征图，得到融合特征图；以及根据融合特征图，对目标图像中的目标对象进行分类，得到分类结果。本公开还提供了一种对象分类方法、深度学习模型的训练方法、装置、电子设备和存储介质。

Description

对象分类方法、深度学习模型的训练方法、装置和设备

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习、图像识别和计算机视觉技术领域。更具体地，本公开提供了一种对象分类方法、深度学习模型的训练方法、装置、电子设备和存储介质。

背景技术

随着人工智能技术的发展，深度学习模型已被广泛地应用于执行面部伪造检测或图像处理等任务。例如，可以利用深度学习模型将面部伪造检测任务转换为分类任务。

发明内容

本公开提供了一种对象分类方法、深度学习模型的训练方法、装置、设备以及存储介质。

根据本公开的一方面，提供了一种对象分类方法，该方法包括：根据目标图像的初始向量特征图，得到局部特征图和全局特征图；根据局部特征图和全局特征图，得到融合特征图；以及根据融合特征图，对目标图像中的目标对象进行分类。

根据本公开的另一方面，提供了一种深度学习模型的训练方法，该方法包括：根据样本图像的初始向量特征图，得到局部特征图和全局特征图；根据局部特征图和全局特征图，得到融合特征图；根据融合特征图，对样本图像中的样本对象进行分类，得到分类结果；以及根据分类结果与样本图像的标签之间的差异值，对深度学习模型进行训练。

根据本公开的另一方面，提供了一种对象分类装置，该装置包括：第一获得模块，用于根据目标图像的初始向量特征图，得到局部特征图和全局特征图；第二获得模块，用于根据局部特征图和全局特征图，得到融合特征图；以及第一分类模块，用于根据融合特征图，对目标图像中的目标对象进行分类，得到分类结果。

根据本公开的另一方面，提供了一种深度学习模型的训练装置，该装置包括：第三获得模块，用于根据样本图像的初始向量特征图，得到局部特征图和全局特征图；第四获得模块，用于根据局部特征图和全局特征图，得到融合特征图；第二分类模块，用于根据融合特征图，对样本图像中的样本对象进行分类，得到分类结果；以及训练模块，用于根据分类结果与样本图像的标签之间的差异值，对深度学习模型进行训练。

根据本公开的另一方面，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根据本公开提供的方法。

根据本公开的另一方面，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，该计算机指令用于使计算机执行根据本公开提供的方法。

根据本公开的另一方面，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根据本公开提供的方法。

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是根据本公开的一个实施例的可以应用对象分类方法和装置的示例性系统架构示意图；

图2是根据本公开的一个实施例的对象分类方法的流程图；

图3A是根据本公开的一个实施例的对象分类方法的原理图；

图3B是根据本公开的一个实施例的特征融合子模块的原理图；

图4是根据本公开的另一个实施例的对象分类方法的原理图；

图5是根据本公开的一个实施例的深度学习模型的训练方法的流程图；

图6是根据本公开的一个实施例的深度学习模型的训练方法的原理图；

图7是根据本公开的另一个实施例的特征融合子模块的原理图；

图8是根据本公开的一个实施例的对象分类装置的框图；

图9是根据本公开的一个实施例的深度学习的训练装置的框图；以及

图10是根据本公开的一个实施例的可以应用对象分类方法和/或深度学习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。

基于计算视觉技术，可以确定目标视频或目标图像中的对象的面部是否被更改或操纵，以进行面部伪造检测。随着人工智能技术的快速发展，基于面部操纵技术和生成技术，可以合成人工无法区分的面部图像。

面部伪造已经涉及到科学、新闻、娱乐、生活等诸多领域。恶意篡改后的图像经过传播，会影响人们对客观事物的判断，可能造成不良的影响。

面部伪造检测技术可以应用在多种产品或场景中。例如，可以将面部伪造技术应用于新闻审核场景中，以识别出面部伪造图像，降低人力审核成本，并降低业务违规风险。又例如，可以将面部伪造检测技术应用于个人隐私保护场景中。根据视频的关键帧的信息，进行面部伪造检测，为目标对象提供隐私保护。

可以基于CNN(Convolutional Neural Networks，卷积神经网络)模型将面部伪造检测任务转化为二分类任务来处理。在训练用于执行二分类任务的CNN模型时，可以基于包括自然面部图像和伪造面部图像的混合数据集(采用二值化标签)，利用Softmax监督网络，进行端到端训练。CNN 模型可以获取到局部特征，但在一定程度上不善于捕捉全局特征。

此外，还可以基于多模态融合技术进行面部伪造检测。例如，不仅采用RGB图像进行面部伪造检测，而且采用频域等模态的信息来获取更丰富的特征，以便进行面部伪造检测。

此外，也可以调整损失函数，使得相关模型可以获取到更具分辨力的特征。

基于CNN模型、多模态融合技术或调整后的损失函数进行面部伪造检测的方案，可以将最后一层的伪造特征输入到判别器中，以获取输出的检测结果或分类结果。对于神经网络而言，不同层次的网络可以获取不同的信息，例如低层网络可以获取细粒度的、精细的信息。高层网络可以获取鲁棒更强的、全面的特征。因此，若只采用最后一层特征来进行面部伪造检测，则可能无法获取准确的检测结果。

如上文所述，CNN模型可以获取图像的局部特征。局部特征是进行面部伪造检测的关键。但是，由于感知能力有限，CNN模型可能学习到图像的归纳偏差，其泛化能力较差。

在建模长期依赖关系方面，Transformer模型显示出极大的优势。在视觉任务方面，例如ViT(Vision Transformer，视觉Transformer)模型也取得了良好的效果。为了提高CNN模型获取全局特征的能力，可以在CNN 模型中增加了一个或多个Transformer层。

然而，首先，Transformer模型更善于获取图像的全局特征。然而，如上文所述，局部特征是面部伪造检测的关键。此外，当前Transformer模型的结构可以利用最后一层特征进行面部伪造检测。如上文所述，若只采用最后一层特征来进行面部伪造检测，则可能无法获取准确的检测结果。

图1是根据本公开一个实施例的可以应用对象分类方法和装置的示例性系统架构示意图。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、 102、103，网络104和服务器105。网络104用以在终端设备101、102、 103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的对象分类方法一般可以由服务器105执行。相应地，本公开实施例所提供的对象分类装置一般可以设置于服务器105中。本公开实施例所提供的对象分类方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的对象分类装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器 105通信的服务器或服务器集群中。

图2是根据本公开的一个实施例的对象分类方法的流程图。

如图2所示，该方法200可以包括操作S210至操作S230。

在操作S210，根据目标图像的初始向量特征图，得到局部特征图和全局特征图。

例如，目标图像可以为包含伪造面部的图像，也可以为包含真实面部的图像。

例如，可以对目标图像进行Patch Embedding(块嵌入)操作，以得到目标图像的初始向量特征图。在一个示例中，可以利用一个卷积层来进行Patch Embedding操作。

例如，可以利用各种神经网络模型处理初始向量特征图，得到局部特征图。

例如，可以利用各种模型处理初始向量特征图，得到全局特征图。在一个示例中，各种模型例如可以包括Transformer模型。在另一个示例中，各种模块例如可以包括上文所述的ViT模型。在另一个示例中，各种模型例如可以包括Swin Transformer(可变窗口的Transforemr)模型。

在操作S220，根据局部特征图和全局特征图，得到融合特征图。

例如，可以将局部特征图和全局特征图拼接，得到拼接特征图。根据拼接特征图，得到融合特征图。

在操作S230，根据融合特征图，对目标图像中的目标对象进行分类，得到分类结果。

例如，可以利用一个分类器根据融合特征图进行处理，得到目标对象的类别，作为目标对象的分类结果。目标对象的类别例如可以是真实面部或伪造面部。

通过本公开实施例，利用局部特征对全局特征进行补偿，可以获取与目标图像相关的更加丰富的信息，提高了面部伪造检测的准确性。

在一些实施例中，目标对象包括面部，分类结果包括真实面部和伪造面部。

在一些实施例中，根据目标图像的初始向量特征图，得到局部特征图和全局特征图包括：对初始向量特征图执行卷积操作，得到局部特征图。

在一些实施例中，根据局部特征图和全局特征图，得到融合特征图包括：将局部特征图与全局特征图相拼接，得到拼接特征图；根据全局特征图，得到多个第一特征；根据拼接特征图，得到多个第二特征和多个第三特征；根据多个第一特征、多个第二特征和多个第三特征，得到注意力特征；以及根据注意力特征和拼接特征图，得到融合特征图。下面将结合图 3A至图3B进行详细说明。

图3A是根据本公开的一个实施例的对象分类方法的原理图。

如图3A所示，可以将目标图像301输入块嵌入层310，得到目标图像301的初始向量特征图。

将初始向量特征图输入卷积模块320，得到局部特征图。在一个示例中，卷积模块是基于CNN模型构建的。

将初始向量特征图输入特征融合模块330的特征提取子模块331，得到全局特征图。在一个示例中，特征提取子模块331是基于Transformer 模型构建的，比如可以将3个级联的Transformer模型作为特征提取子模块331。

特征融合子模块332可以根据局部特征图和全局特征图，输出融合特征图。根据融合特征图，进行分类，可以得到分类结果302。

图3B是根据本公开的一个实施例的特征融合子模块的原理图。

如图3B所示，特征融合子模块332包括归一化层3321、GLCA (Global-LocalCross-Attention，全局-局部交叉注意)层3322、归一化层3323和多层感知器3324。

经归一化层3321处理后，特征提取子模块331输出的全局特征图可以包括多个token(标记)。可以将归一化后的全局特征图中的每个token 记为z_std。

经归一化层3321处理后，卷积模块320输出的局部特征图可以包括多个像素，将每个像素作为一个token，得到局部特征图中的每个token。可以将归一化后的局部特征图中的每个token记为z_loc。

GLCA层3322可以将归一化后的局部特征图与归一化后的全局特征图拼接，得到拼接特征图。拼接特征图中每个token可以是将每个z_loc和每个z_std拼接得到。可以将拼接特征图中的每个token记为z_con。

GLCA层3322还可以根据归一化后全局特征图中的多个token z_std，可以得到多个第一特征q_std。第一特征q_std也可以被称为查询特征。例如，可以根据一个或多个第一权重W_q，对归一化后全局特征图中的多个token z_std进行线性投影，得到多个第一特征q_std。

GLCA层3322还可以根据拼接特征图中的多个token z_con，可以得到多个第二特征k_con和多个第三特征v_con。第二特征也可以被称为键特征，第三特征可以被称为值特征。例如，可以根据一个或多个第二权重W_k，对拼接特征图中的多个token z_con进行线性投影，得到多个第二特征k_con。又例如，可以根据一个或多个第三权重W_v，对拼接特征图中的多个token z_con进行线性投影，得到多个第三特征v_con。

例如，可以通过以下公式确定每个第一特征、每个第二特征和每个第三特征：

[q_std，k_con，v_con]＝[z_stdW_q，z_conW_k，z_conW_v] (公式一)

接下来，GLCA层3322对多个第一特征、多个第二特征和多个第三特征进行处理，得到多个注意力特征。例如，GLCA层3322根据以下公式对每个第一特征、每个第二特征和每个第三特征进行处理，得到每个注意力特征A_cross：

D可以为第二特征k_con的维度，

可以为第二特征k_con的转置。

根据注意力特征中的多个注意力特征A_cross和拼接特征图中的多个token z_con，可以得到中间特征图中的多个token z_glca。例如，可以通过以下公式得到中间特征图中的每个token z_glca：

z_glca＝A_cross·z_con (公式三)

在获得中间特征图中的每个token z_glca之后，可以得到中间特征图。

接下来，如图3B所示，将中间特征图和全局特征图融合，得到第一特征图。依次利用归一化层3323和多层感知器3324对第一特征图进行处理，得到第二特征图。再将第一特征图和第二特征图融合，得到融合特征图。

在一些实施例中，局部特征图是对初始向量特征图进行N级卷积得到的。

在一些实施例中，根据目标图像的初始向量特征图，得到局部特征图和全局特征图包括：对初始向量特征图执行第1级卷积操作，得到第1级局部特征图；对初始向量特征图执行第1级特征提取操作，得到第1级全局特征图；根据局部特征图和全局特征图，得到融合特征图包括：根据第 1级局部特征图和第1级全局特征图，得到第1级融合特征图。

在一些实施例中，根据目标图像的初始向量特征图，得到局部特征图和全局特征图还包括：对第n-1级局部特征图执行第n级卷积操作，得到第n级局部特征图，其中，n为大于1的整数；对第n-1级融合特征图执行第n级特征提取操作，得到第n级全局特征图；根据局部特征图和全局特征图，得到融合特征图包括：根据第n级局部特征图和第n级全局特征图，得到第n级融合特征图。下面将结合图4进行详细说明。

图4是根据本公开的另一个实施例的对象分类方法的原理图。

如图4所示，可以将目标图像401输入块嵌入层410，得到目标图像 401的初始向量特征图。

可以利用N级卷积模块对初始向量特征图进行N级卷积，得到N个局部特征图。本实施例中，以N＝3为示例。例如，将初始向量特征图输入第1级卷积模块，得到第1级局部特征图。将第1级局部特征图输入第2 级卷积模块，得到第2级局部特征图。将第2级局部特征图输入第3级卷积模块，得到第3级局部特征图。上文所述的n为小于或等于N的整数。

在一个示例中，卷积模块是基于CNN模型构建的。

可以利用N级特征融合模块对初始向量特征图进行N级特征提取和特征融合操作，得到N个融合特征图。如上文所述，本实施例中，以N＝3 为示例。

例如，将初始向量特征图输入第1级特征融合模块430_1的第1级特征提取子模块431_1，得到第1级全局特征图。将第1级全局特征图和上文所述的第1级局部特征图输入第1级特征融合子模块432_1，得到第1 级融合特征图。将第1级融合特征图输入第2级特征融合模块430_2的第 2级特征提取子模块431_2，得到第2级全局特征图。将第2级全局特征图和上文所述的第2级局部特征图输入第2级特征融合子模块432_2，得到第2级融合特征图。将第2级融合特征图输入第3级特征融合模块430_3 的第3级特征提取子模块431_3，得到第3级全局特征图。将第3级全局特征图和上文所述的第3级局部特征图输入第3级特征融合子模块432_3，得到第3级融合特征图。

在一个示例中，N级特征提取子模块中每级特征提取子模块是基于 Transformer模型构建的，比如可以将3个级联的Transformer模型作为一级特征提取子模块。

根据融合特征图，进行分类，可以得到分类结果402。

本实施例中，第1级特征融合子模块432_1至第3级特征融合子模块 432_3对局部特征图和融合特征图的处理方式，与上文所述的特征融合子模块332相同或类似，本公开在此不再赘述。

通过本公开实施例，将每个局部特征图和每个全局特征图融合，可以充分利用图像的高层特征和低层特征，可以获取与面部相关的更多的细节，进一步提高了面部伪造检测的准确性。例如，可以检测出细节性伪造缺陷 (例如局部模糊或断裂)和一般性伪造缺陷(例如畸变)等。

需要说明的是，图4所示的实施例中以N＝3为示例，但本公开中特征融合模块的数量还可以为其他值(例如N＝4)，本公开对此不做限制。

图5是根据本公开的另一个实施例的深度学习模型的训练方法的流程图。

如图5所示，该方法500可以包括操作S510至操作S540。

在操作S510，根据样本图像的初始向量特征图，得到局部特征图和全局特征图。

在操作S520，根据局部特征图和全局特征图，得到融合特征图。

在操作S530，根据融合特征图，对样本图像中的样本对象进行分类，得到分类结果。

可以理解，方法500中的操作S510至操作S530，与方法200中的操作S210至操作S230相同或类似，本公开在此不再赘述。

在操作S540，根据分类结果与样本图像的标签之间的差异值，对深度学习模型进行训练。

例如，样本图像中样本对象包括面部。

例如，样本图像的标签可以为“真实面部”或“伪造面部”。

例如，可以根据CE(Cross Entropy，交叉熵)损失函数确定分类结果与样本图像的标签之间的差异值。根据该差异值调整深度学习模型的参数，以训练深度学习模型。

在一些实施例中，深度学习模型包括级联的N级卷积模块以及级联的 N级特征融合模块，N为大于1的整数；根据目标图像的初始向量特征图，得到局部特征图和全局特征图包括：利用第n级卷积模块，对第n-1级卷积模块输出的第n-1级局部特征图进行卷积，得到第n级局部特征图，n 为大于1的整数，且n为小于或等于N的整数；以及利用第n级特征融合模块对第n-1级特征融合模块输出的第n-1级融合特征图进行处理，得到第n级融合特征图。

在一些实施例中，第1级局部特征图是利用第1级卷积模块对初始向量特征图进行卷积得到的；以及第1级融合特征图是利用第1级特征融合模块对初始向量特征图进行处理得到的。

在一些实施例中，特征融合模块包括特征提取子模块和特征融合子模块。利用第n级特征提取模块对第n-1级特征融合模块输出的第n-1级融合特征图进行处理，得到第n级融合特征图包括：将第n-1级融合特征图输入第n级特征提取子模块，得到第n级全局特征图；以及将第n级局部特征图和第n级全局特征图输入第n级特征融合子模块，得到第n级融合特征图。

在一些实施例中，第1级全局特征图是利用第1级特征提取子模块对初始向量特征图进行处理得到的。

在一些实施例中，根据分类结果与样本图像的标签之间的差异值，对深度学习模型进行训练包括：确定分类结果与样本图像的标签之间的差异值；以及调整N级卷积模块的参数和N级特征融合模块的参数，直到差异值收敛。下面将结合图6进行详细说明。

图6是根据本公开的一个实施例的深度学习模型的训练方法的原理图。

如图6所示，深度学习模型600可以包括块嵌入层610、N级卷积模块和N级特征融合模块。本实施例中，以N＝3为示例。

N级卷积模块例如可以包括第1级卷积模块620_1、第2级卷积模块 620_2和第3级卷积模块620_3。

例如，可以将样本图像601输入块嵌入层610，得到样本图像601的初始向量特征图。

可以利用第1级卷积模块对初始向量特征图进行卷积，得到第1级局部特征图。例如，将初始向量特征图输入第1级卷积模块620_1，得到第 1级局部特征图。

可以利用第n级卷积模块，对第n-1级卷积模块输出的第n-1级局部特征图进行卷积，得到第n级局部特征图。例如，将第1级局部特征图输入第2级卷积模块620_2，得到第2级局部特征图。将第2级局部特征图输入第3级卷积模块620_3，得到第3级局部特征图。在一个示例中，卷积模块是基于CNN模型构建的。

N级特征融合模块例如可以包括第1级特征融合模块630_1、第2级特征融合模块630_2和第3级特征融合模块630_3。第1级特征融合模块 630_1例如可以包括第1级特征提取子模块631_1和第1级特征融合子模块632_1。第2级特征融合模块630_2例如可以包括第2级特征提取子模块631_2和第2级特征融合子模块632_2。第3级特征融合模块630_3例如可以包括第3级特征提取子模块631_3和第3级特征融合子模块632_3。

例如，可以利用第1级特征融合模块630_1对初始向量特征图进行处理，得到第1级融合特征图。例如，将初始向量特征图输入第1级特征提取子模块631_1，得到第1级全局特征图。将第1级全局特征图和上文所述的第1级局部特征图输入第1级特征融合子模块632_1，得到第1级融合特征图。

可以利用第n级特征融合模块对第n-1级特征融合模块输出的第n-1 级融合特征图进行处理，得到第n级融合特征图。例如，将第1级融合特征图输入第2级特征提取子模块631_2，得到第2级全局特征图。将第2 级全局特征图和上文所述的第2级局部特征图输入第2级特征融合子模块 632_2，得到第2级融合特征图。将第2级融合特征图输入第3级特征提取子模块631_3，得到第3级全局特征图。将第3级全局特征图和上文所述的第3级局部特征图输入第3级特征融合子模块632_3，得到第3级融合特征图。

在一个示例中，N级特征提取子模块中每级特征提取子模块是基于 Transformer模型构建的，比如可以将3个级联的Transformer模型作为一级特征提取子模块。

根据融合特征图，进行分类，可以得到分类结果602。

接下来，利用CE损失函数，可以确定分类结果602和标签603之间的差异值604。根据差异值604，可以调整深度学习模型600的参数，以对深度学习模型600进行训练。例如，标签603可以是样本图像601的标签。又例如，可以调整N级卷积模块的参数和N级特征融合模块的参数，使得差异值604收敛。

在一些实施例中，将第n级局部特征图和第n级全局特征图输入第n 级特征融合子模块，得到第n级融合特征图包括：将第n级局部特征图和第n级全局特征图相拼接，得到第n级拼接特征图；根据第n级全局特征图，得到多个第n级第一特征；根据第n级拼接特征图，得到多个第n级第二特征和多个第n级第三特征；根据多个第n级第一特征、多个第n级第二特征和多个第n级第三特征，得到第n级注意力特征；以及根据第n 级注意力特征和第n级拼接特征图，得到第n级融合特征图。下面将结合图7进行详细说明。

图7是根据本公开的另一个实施例的特征融合子模块的原理图。

如图7所示，特征融合子模块732可以包括归一化层7321、GLCA层 7322、归一化层7323和多层感知器7324。

将第n级全局特征图和第n级局部特征图分别输入归一化层7321中，得到归一化后的第n级全局特征图和归一化后的第n级局部特征图。

归一化后的第n级全局特征图中的每个token可以记为

归一化后的第n级局部特征图中每个token可以即为

将归一化后的第n级局部特征图与归一化后的第n级全局特征图相拼接，得到第n级拼接特征图。第n级拼接特征图中每个token可以是将每个

和每个

拼接得到的。可以将第n级拼接特征图中的每个token记为

根据归一化后的第n级全局特征图中的多个token

可以得到多个第n级第一特征

例如，可以根据一个或多个第n级第一权重

分别对第n级全局特征图中的多个token

进行线性投影，得到多个第n 级第一特征

根据第n级拼接特征图中的多个token

可以得到多个第n级第二特征

和多个第n级第三特征

例如，可以根据一个或多个第n 级第二权重

对第n级拼接特征图中的多个token

进行线性投影，得到多个第n级第二特征

又例如，可以根据一个或多个第三权重

对第n级拼接特征图中的多个token

进行线性投影，得到多个第n级第三特征

在一个示例中，可以参照上文所述的公式一，得到每个第 n级第一特征、每个第n级第二特征和每个第n级第三特征。

接下来，GLCA层7322对多个第n级第一特征、多个第n级第二特征和多个第n级第三特征进行处理，得到多个第n级注意力特征

在一个示例中，可以参照上文所述的公式二，得到每个第n级注意力特征

根据注意力特征中的多个注意力特征

和第n级拼接特征图中的多个token

可以得到第n级中间特征图中的多个token

例如，可以参照上文所述的公式三，得到第n级中间特征图中的每个token

接下来，如图7所示，将第n级中间特征图和第n级全局特征图融合，得到第n级第一特征图。依次利用归一化层7323和多层感知器7324对第 n级第一特征图进行处理，得到第n级第二特征图。再将第n级第一特征图和第n级第二特征图融合，得到第n级融合特征图。

图8是根据本公开的一个实施例的对象分类装置的框图。

如图8所示，该装置800可以包括第一获得模块810、第二获得模块 820和分类模块830。

第一获得模块810，用于根据目标图像的初始向量特征图，得到局部特征图和全局特征图。

第二获得模块820，用于根据所述局部特征图和所述全局特征图，得到融合特征图。

第一分类模块830，用于根据所述融合特征图，对所述目标图像中的目标对象进行分类，得到分类结果。

在一些实施例中，所述第一获得模块包括：第一卷积子模块，用于对所述初始向量特征图执行卷积操作，得到所述局部特征图。

在一些实施例中，所述第一获得模块包括：第二卷积子模块，用于对所述初始向量特征图执行第1级卷积操作，得到第1级局部特征图；第一特征提取子模块，用于对所述初始向量特征图执行第1级特征提取操作，得到第1级全局特征图；所述第二获得模块包括：第一获得子模块，用于根据所述第1级局部特征图和所述第1级全局特征图，得到第1级融合特征图。

在一些实施例中，所述第一获得模块还包括：第三卷积子模块，用于对第n-1级局部特征图执行第n级卷积操作，得到第n级局部特征图，其中，n为大于1的整数；第二特征提取子模块，用于对第n-1级融合特征图执行第n级特征提取操作，得到第n级全局特征图；所述第二获得模块包括：第二获得子模块，用于根据所述第n级局部特征图和所述第n级全局特征图，得到第n级融合特征图。

在一些实施例中，所述第二获得模块包括：拼接子模块，用于将所述局部特征图与所述全局特征图相拼接，得到拼接特征图；第三获得子模块，用于根据所述全局特征图，得到多个第一特征；第四获得子模块，用于根据所述拼接特征图，得到多个第二特征和多个第三特征；第五获得子模块，用于根据所述多个第一特征、所述多个第二特征和所述多个第三特征，得到注意力特征；以及第六获得子模块，用于根据所述注意力特征和所述拼接特征图，得到所述融合特征图。

在一些实施例中，所述目标对象包括面部，所述分类结果包括真实面部和伪造面部。

图9是根据本公开的另一个实施例的深度学习模型的训练装置的框图。

如图9所示，该装置900可以包括第三获得模块910、第四获得模块 920、第二分类模块930和训练模块940。

第三获得模块910，用于根据样本图像的初始向量特征图，得到局部特征图和全局特征图。

第四获得模块920，用于根据所述局部特征图和所述全局特征图，得到融合特征图。

第二分类模块930，用于根据所述融合特征图，对所述样本图像中的样本对象进行分类，得到分类结果。

训练模块940，用于根据所述分类结果与所述样本图像的标签之间的差异值，对所述深度学习模型进行训练。

在一些实施例中，所述深度学习模型包括级联的N级卷积模块以及级联的N级特征融合模块，N为大于1的整数；所述第三获得模块包括：第三卷积子模块，用于利用第n级卷积模块，对第n-1级卷积模块输出的第 n-1级局部特征图进行卷积，得到第n级局部特征图，n大于1的整数，且 n为小于或等于N的整数；以及处理子模块，用于利用第n级特征融合模块对第n-1级特征融合模块输出的第n-1级融合特征图进行处理，得到第 n级融合特征图。

在一些实施例中，第1级局部特征图是利用第1级卷积模块对所述初始向量特征图进行卷积得到的；以及第1级融合特征图是利用第1级特征融合模块对所述初始向量特征图进行处理得到的。

在一些实施例中，所述特征融合模块包括特征提取子模块和特征融合子模块；所述处理子模块包括：第一获得单元，用于将所述第n-1级融合特征图输入第n级特征提取子模块，得到第n级全局特征图；以及第二获得单元，用于将所述第n级局部特征图和所述第n级全局特征图输入第n 级特征融合子模块，得到所述第n级融合特征图。

在一些实施例中，第1级全局特征图是利用第1级特征提取子模块对所述初始向量特征图进行处理得到的。

在一些实施例中，所述第二获得单元包括：拼接子单元，用于将所述第n级局部特征图和所述第n级全局特征图相拼接，得到第n级拼接特征图；第一获得子单元，用于根据所述第n级全局特征图，得到多个第n级第一特征；第二获得子单元，用于根据所述第n级拼接特征图，得到多个第n级第二特征和多个第n级第三特征；第三获得子单元，用于根据所述多个第n级第一特征、所述多个第n级第二特征和所述多个第n级第三特征，得到第n级注意力特征；以及第四获得子单元，用于根据所述第n级注意力特征和所述第n级拼接特征图，得到所述第n级融合特征图。

在一些实施例中，所述训练模块包括：确定子模块，用于确定所述分类结果与所述样本图像的标签之间的差异值；以及调整子模块，用于调整所述N级卷积模块的参数和所述N级特征融合模块的参数，使得所述差异值收敛。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，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。

图10示出了可以用来实施本公开的实施例的示例电子设备900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10所示，设备1000包括计算单元1001，其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序，来执行各种适当的动作和处理。在RAM 1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。

设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000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1001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1001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1001执行上文所描述的各个方法和处理，例如对象分类方法和/或深度学习模型的训练方法。例如，在一些实施例中，对象分类方法和/或深度学习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1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时，可以执行上文描述的对象分类方法和/ 或深度学习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1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行对象分类方法和/或深度学习模型的训练方法。

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)、复杂可编程逻辑设备(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。

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 (18)

1.一种对象分类方法，包括：

根据目标图像的初始向量特征图，得到局部特征图和全局特征图；

根据所述局部特征图和所述全局特征图，得到融合特征图；以及

根据所述融合特征图，对所述目标图像中的目标对象进行分类，得到分类结果。

2.根据权利要求1所述的方法，其中，所述根据目标图像的初始向量特征图，得到局部特征图和全局特征图包括：

对所述初始向量特征图执行卷积操作，得到所述局部特征图。

3.根据权利要求1所述的方法，其中，所述根据目标图像的初始向量特征图，得到局部特征图和全局特征图包括：

对所述初始向量特征图执行第1级卷积操作，得到第1级局部特征图；

对所述初始向量特征图执行第1级特征提取操作，得到第1级全局特征图；

所述根据所述局部特征图和所述全局特征图，得到融合特征图包括：

根据所述第1级局部特征图和所述第1级全局特征图，得到第1级融合特征图。

4.根据权利要求3所述的方法，其中，所述根据目标图像的初始向量特征图，得到局部特征图和全局特征图还包括：

对第n-1级局部特征图执行第n级卷积操作，得到第n级局部特征图，其中，n为大于1的整数；

对第n-1级融合特征图执行第n级特征提取操作，得到第n级全局特征图；

所述根据所述局部特征图和所述全局特征图，得到融合特征图包括：

根据所述第n级局部特征图和所述第n级全局特征图，得到第n级融合特征图。

5.根据权利要求1至4任一项所述的方法，其中，所述根据所述局部特征图和所述全局特征图，得到融合特征图包括：

将所述局部特征图与所述全局特征图相拼接，得到拼接特征图；

根据所述全局特征图，得到多个第一特征；

根据所述拼接特征图，得到多个第二特征和多个第三特征；

根据所述多个第一特征、所述多个第二特征和所述多个第三特征，得到注意力特征；以及

根据所述注意力特征和所述拼接特征图，得到所述融合特征图。

6.根据权利要求1所述的方法，其中，所述目标对象包括面部，所述分类结果包括真实面部和伪造面部。

7.一种深度学习模型的训练方法，包括：

根据样本图像的初始向量特征图，得到局部特征图和全局特征图；

根据所述局部特征图和所述全局特征图，得到融合特征图；

根据所述融合特征图，对所述样本图像中的样本对象进行分类，得到分类结果；以及

根据所述分类结果与所述样本图像的标签之间的差异值，对所述深度学习模型进行训练。

8.根据权利要求7所述的方法，其中，所述深度学习模型包括级联的N级卷积模块以及级联的N级特征融合模块，N为大于1的整数；所述根据样本图像的初始向量特征图，得到局部特征图和全局特征图包括：

利用第n级卷积模块，对第n-1级卷积模块输出的第n-1级局部特征图进行卷积，得到第n级局部特征图，n为大于1的整数，且n为小于或等于N的整数；以及

利用第n级特征融合模块对第n-1级特征融合模块输出的第n-1级融合特征图进行处理，得到第n级融合特征图。

9.根据权利要求8所述的方法，其中，第1级局部特征图是利用第1级卷积模块对所述初始向量特征图进行卷积得到的；以及第1级融合特征图是利用第1级特征融合模块对所述初始向量特征图进行处理得到的。

10.根据权利要求8或9所述的方法，其中，所述特征融合模块包括特征提取子模块和特征融合子模块；所述利用第n级特征融合模块对第n-1级特征融合模块输出的第n-1级融合特征图进行处理，得到第n级融合特征图包括：

将所述第n-1级融合特征图输入第n级特征提取子模块，得到第n级全局特征图；以及

将所述第n级局部特征图和所述第n级全局特征图输入第n级特征融合子模块，得到所述第n级融合特征图。

11.根据权利要求10所述的方法，其中，第1级全局特征图是利用第1级特征提取子模块对所述初始向量特征图进行处理得到的。

12.根据权利要求10所述的方法，其中，所述将所述第n级局部特征图和所述第n级全局特征图输入第n级特征融合子模块，得到所述第n级融合特征图包括：

将所述第n级局部特征图和所述第n级全局特征图相拼接，得到第n级拼接特征图；

根据所述第n级全局特征图，得到多个第n级第一特征；

根据所述第n级拼接特征图，得到多个第n级第二特征和多个第n级第三特征；

根据所述多个第n级第一特征、所述多个第n级第二特征和所述多个第n级第三特征，得到第n级注意力特征；以及

根据所述第n级注意力特征和所述第n级拼接特征图，得到所述第n级融合特征图。

13.根据权利要求8至12任一项所述的方法，其中，所述根据所述分类结果与样本图像的标签之间的差异值，对所述深度学习模型进行训练包括：

确定所述分类结果与所述样本图像的标签之间的差异值；以及

调整所述N级卷积模块的参数和所述N级特征融合模块的参数，使得所述差异值收敛。

14.一种对象分类装置，包括：

第一获得模块，用于根据目标图像的初始向量特征图，得到局部特征图和全局特征图；

第二获得模块，用于根据所述局部特征图和所述全局特征图，得到融合特征图；以及

第一分类模块，用于根据所述融合特征图，对所述目标图像中的目标对象进行分类，得到分类结果。

15.一种深度学习模型的训练装置，包括：

第三获得模块，用于根据样本图像的初始向量特征图，得到局部特征图和全局特征图；

第四获得模块，用于根据所述局部特征图和所述全局特征图，得到融合特征图；

第二分类模块，用于根据所述融合特征图，对所述样本图像中的样本对象进行分类，得到分类结果；以及

训练模块，用于根据所述分类结果与所述样本图像的标签之间的差异值，对所述深度学习模型进行训练。

16.一种电子设备，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至13中任一项所述的方法。

17.一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至13中任一项所述的方法。

18.一种计算机程序产品，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至13中任一项所述的方法。

Images