CN114708461A - 基于多模态学习模型的分类方法、装置、设备及存储介质 - Google Patents
基于多模态学习模型的分类方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114708461A CN114708461A CN202210422050.3A CN202210422050A CN114708461A CN 114708461 A CN114708461 A CN 114708461A CN 202210422050 A CN202210422050 A CN 202210422050A CN 114708461 A CN114708461 A CN 114708461A
- Authority
- CN
- China
- Prior art keywords
- image
- feature
- text
- processed
- classification
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000004927 fusion Effects 0.000 claims abstract description 96
- 239000013598 vector Substances 0.000 claims abstract description 56
- 238000013145 classification model Methods 0.000 claims abstract description 22
- 238000013507 mapping Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 21
- 230000011218 segmentation Effects 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000011176 pooling Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 229920000742 Cotton Polymers 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000008034 disappearance Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- 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)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及人工智能技术,揭露了一种基于多模态学习模型的分类方法,包括:获取待处理图像,并提取所述待处理图像的图像特征;提取所述待处理图像的文本特征,得到文本特征集;将所述图像特征和文本特征集映射在预构建的特征融合模型的维度空间中,得到特征融合空间,并分别计算所述特征融合空间内图像特征与每个文本特征的融合特征向量;将所述融合特征向量输入预先训练完成的分类模型中执行分类操作,分类出所述待处理图像的目标类别。此外,本发明还涉及区块链技术,待处理图像可存储于区块链的节点。本发明还提出一种基于多模态学习模型的分类装置、设备以及存储介质。本发明可以提高进行图像分类时精确度。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于多模态学习模型的分类方法、装置、设备及存储介质。
背景技术
传统的图像处理,往往仅仅利用图像中较为凸显的图像特征进行一系列业务操作,并未考虑到图像中所携带的文本特征,这就导致在图像分类的表现中会产生较大的分类偏差,图像处理的精确性较差。
发明内容
本发明提供一种基于多模态学习模型的分类方法、装置、设备及存储介质,其主要目的在于解决进行图像分类时精确度较低的问题。
为实现上述目的,本发明提供的一种基于多模态学习模型的分类方法,包括:
获取待处理图像,并提取所述待处理图像的图像特征;
提取所述待处理图像的文本特征,得到文本特征集;
将所述图像特征和文本特征集映射在预构建的特征融合模型的维度空间中,得到特征融合空间,并分别计算所述特征融合空间内图像特征与每个文本特征的融合特征向量;
通过所述融合特征向量输入预先训练完成的分类模型中执行分类操作,分类出所述待处理图像的目标类别。
可选地,所述提取所述待处理图像的图像特征,包括:
将所述待处理图像进行图像标准化处理,得到标准化图像;
利用预构建的基于DenseNet算法的卷积神经网络模型对所述标准化图像进行卷积池化操作,得到所述图像特征。
可选地,所述将所述待处理图像进行图像标准化处理,得到标准化图像,包括:
根据所述待处理图像的像素矩阵大小,将所述待处理图像切分成多个像素块;
提取每个所述像素块的灰度值,并计算每个所述像素块的灰度均值和灰度方差;
利用每个所述像素块的所述灰度均值、所述灰度方差及预设的灰度初始值和灰度标准差,重新调整每个所述像素块的灰度值,整合每个所述像素块的灰度值得到标准化图像。
可选地,所述提取所述待处理图像中的文本特征,包括:
提取所述待处理图像中的文本;
利用预构建的分词器对所述文本进行分词处理,得到分词文本;
利用预设的词向量转化模型将所述分词文本转化成词向量,得到所述文本特征。
可选地,所述将所述图像特征和文本特征集映射在预构建的特征融合模型的维度空间中,得到特征融合空间,包括:
所述特征融合模型的维度空间确定所述图像特征的起始点以及终止点;
依次将所述文本特征集的每个文本特征在所述维度空间中执行映射;
汇总所述维度空间中的所述图像特征及每个所述文本特征,得到所述特征融合空间。
可选地,所述分别计算所述特征融合空间内图像特征与每个文本特征的融合特征向量,包括:
可通过下述公式计算所述特征融合空间内图像特征与每个文本特征的融合特征向量:
F=D3(D1(FImage)+D2(FText));
其中D1、D2、D3为所述特征融合模型的全连接层,FImage为所述图像特征,FText为所述文本特征,F为融合特征向量。
可选地,所述将所述融合特征向量输入预先训练完成的分类模型中执行分类操作,包括:
计算所述融合特征向量命中预设的多个分类标签的概率值;
将所述概率值进行排序,提取排名靠前的预设数量的概率值对应的分类标签;
根据所述分类标签得到所述待处理图像的目标类别。
为了解决上述问题,本发明还提供一种基于多模态学习模型的分类装置,所述装置包括:
特征获取模块,用于获取待处理图像,并提取所述待处理图像的图像特征;提取所述待处理图像的文本特征,得到文本特征集;
特征融合模块,用于将所述图像特征和文本特征集映射在预构建的特征融合模型的维度空间中,得到特征融合空间,并分别计算所述特征融合空间内图像特征与每个文本特征的融合特征向量;
分类模块,用于通过所述融合特征向量输入预先训练完成的分类模型中执行分类操作,分类出所述待处理图像的目标类别。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的基于多模态学习模型的分类方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于多模态学习模型的分类方法。
本发明实施例通过提取出图像的图像特征和文本特征,可以保证图像中每个信息的完整性,另外,再将所述提取出的图像特征和文本特征执行融合,可以使得融合后的融合特征包含的特征信息更为完整,同时也提高了利用预先训练完成的分类模型执行分类时的精准度。因此本发明提出的基于多模态学习模型的分类方法、装置、设备及存储介质,可以解决解决进行图像分类任务时精确度较低的问题。
附图说明
图1为本发明一实施例提供的基于多模态学习模型的分类方法的流程示意图;
图2为本发明一实施例提供的基于多模态学习模型的分类装置的功能模块图;
图3为本发明一实施例提供的实现所述基于多模态学习模型的分类方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于多模态学习模型的分类方法。所述基于多模态学习模型的分类方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于多模态学习模型的分类方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、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、内容分发网络(Content DeliveryNetwork,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。
参照图1所示,为本发明一实施例提供的基于多模态学习模型的分类方法的流程示意图。在本实施例中,所述基于多模态学习模型的分类方法包括:
步骤S1、获取待处理图像,并提取所述待处理图像的图像特征。
本发明实施例中,所述待处理图像是指需要进行图像识别分类的图像。例如,在电商场景下,所述待处理图像可以是商品图片,所述商品图片中可能包括多种物品,本发明可以从所述商品图片的多种物品中识别出目标物品。
详细地,本发明实施例可通过基于DenseNet算法的卷积神经网络模型提取所述待处理图像的图像特征。
作为本发明一实施例,所述提取所述待处理图像的图像特征,包括:将所述待处理图像进行图像标准化处理,得到标准化图像;利用预构建的基于DenseNet算法的卷积神经网络模型对所述标准化图像进行卷积池化操作,得到所述图像特征。
本发明实施例中,所述DenseNet算法是指可以最大化的利用图像的图像特征进行卷积处理的神经网络,利用所述DenseNet算法可以有效地减少进行图像卷积处理时的梯度消失、可以加强图像特征的传递、可以更加有效地利用图像特征及可以减少计算的参数数量。
详细地,所述将所述待处理图像进行图像标准化处理,得到标准化图像,包括:
根据所述待处理图像的像素矩阵大小,将所述待处理图像切分成多个像素块;
提取每个所述像素块的灰度值,并计算每个所述像素块的灰度均值和灰度方差;
利用每个所述像素块的所述灰度均值、所述灰度方差及预设的灰度初始值和灰度标准差,重新调整每个所述像素块的灰度值,整合每个所述像素块的灰度值得到标准化图像。
本发明实施例中,可采用下述公式计算每个所述像素块的灰度均值mean:
其中,W为所述像素矩阵大小的宽度,H为所述像素矩阵大小的高度,I(x,y)为所述待处理图像在(x,y)处的灰度值;
本发明实施例中,可采用下述公式计算每个所述像素块的灰度方差var:
其中,m0为所述灰度初始值,v0为所述灰度标准差。
步骤S2、提取所述待处理图像的文本特征,得到文本特征集。
本发明实施例中,所述文本特征是指将待处理图像中提取到的文字利用预构建的词向量转化模型转化得到的词向量特征。
作为本发明一实施例,所述提取所述待处理图像中的文本特征,包括:提取所述待处理图像中的文本;利用预构建的分词器对所述文本进行分词处理,得到分词文本;利用预设的词向量转化模型将所述分词文本转化成词向量,得到所述文本特征。例如,可以利用基于bert网络的词向量转化模型将从待处理图像中提取到的文字转化为词向量。
本发明实施例中,在利用预设的词向量转化模型将所述分词文本转化成词向量之前,还可以包括:利用预设的停用词表去除所述分词文本中的停用词。
步骤S3、将所述图像特征和文本特征集映射在预构建的特征融合模型的维度空间中,得到特征融合空间,并分别计算所述特征融合空间内图像特征与每个文本特征的融合特征向量。
本发明实施例中,所述维度空间是指实现所述图像特征和文本特征映射操作的多维空间。
本发明实施例将文本特征与所述图像特征映射到相同的特征维度空间,实现图像特征与文本特征的特征融合。
本发明实施例中,所述将所述图像特征和文本特征集映射在预构建的特征融合模型的维度空间中,得到特征融合空间,包括:
所述特征融合模型的维度空间确定所述图像特征的起始点以及终止点;
依次将所述文本特征集的每个文本特征在所述维度空间中执行映射;
汇总所述维度空间中的所述图像特征及每个所述文本特征,得到所述特征融合空间。
本发明实施例可通过下述公式计算所述特征融合空间内图像特征与每个文本特征的融合特征向量:
F=D3(D1(FImage)+D2(FText));
其中D1、D2、D3为所述特征融合模型的全连接层,FImage为所述图像特征,FText为所述文本特征,F为融合特征向量。
步骤S4、将所述融合特征向量输入预先训练完成的分类模型中执行分类操作,分类出所述待处理图像的目标类别。
本发明实施例中,所述预先完成训练的分类模型是指利用本方案相关的大量训练语料对预构建的分类模型进行训练,训练完成后得到的分类算法模型。
详细地,所述将所述融合特征向量输入预先训练完成的分类模型中执行分类操作,包括:计算所述融合特征向量命中预设的多个分类标签的概率值;将所述概率值进行排序,提取排名靠前的预设数量的概率值对应的分类标签;根据所述分类标签得到所述待处理图像的目标类别。
本发明实施例中,所述目标类别是指待处理图像所属的具体类别。例如,在商品分类领域中,图像为上衣,文字描述为纯棉、黑色及宽松,则上述例子的目标类别为“上衣&纯棉”、“上衣&黑色”以及“上衣&宽松”。
例如,在商品分类领域中,可利用商品图像中的图像特征和文字特征进行特征融合后,通过利用本方案相关的大量训练语料对预构建的分类模型分类出所述商品图像的具体目标类别。
本发明实施例通过提取出图像的图像特征和文本特征,可以保证图像中每个信息的完整性,另外,再将所述提取出的图像特征和文本特征执行融合,可以使得融合后的融合特征包含的特征信息更为完整,同时也提高了利用预先训练完成的分类模型执行分类时的精准度。
如图2所示,是本发明一实施例提供的基于多模态学习模型的分类装置的功能模块图。
本发明所述基于多模态学习模型的分类装置100可以安装于电子设备中。根据实现的功能,所述基于多模态学习模型的分类装置100可以包括特征获取模块101、特征融合模块102及分类模块103。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述特征获取模块101,用于获取待处理图像,并提取所述待处理图像的图像特征;提取所述待处理图像的文本特征,得到文本特征集;
本发明实施例中,所述待处理图像是指需要进行图像识别分类的图像。例如,在电商场景下,所述待处理图像可以是商品图片,所述商品图片中可能包括多种物品,本发明可以从所述商品图片的多种物品中识别出目标物品。
详细地,本发明实施例可通过基于DenseNet算法的卷积神经网络模型提取所述待处理图像的图像特征。
作为本发明一实施例,所述提取所述待处理图像的图像特征,包括:将所述待处理图像进行图像标准化处理,得到标准化图像;利用预构建的基于DenseNet算法的卷积神经网络模型对所述标准化图像进行卷积池化操作,得到所述图像特征。
本发明实施例中,所述DenseNet算法是指可以最大化的利用图像的图像特征进行卷积处理的神经网络,利用所述DenseNet算法可以有效地减少进行图像卷积处理时的梯度消失、可以加强图像特征的传递、可以更加有效地利用图像特征及可以减少计算的参数数量。
详细地,所述将所述待处理图像进行图像标准化处理,得到标准化图像,包括:
根据所述待处理图像的像素矩阵大小,将所述待处理图像切分成多个像素块;
提取每个所述像素块的灰度值,并计算每个所述像素块的灰度均值和灰度方差;
利用每个所述像素块的所述灰度均值、所述灰度方差及预设的灰度初始值和灰度标准差,重新调整每个所述像素块的灰度值,整合每个所述像素块的灰度值得到标准化图像。
本发明实施例中,可采用下述公式计算每个所述像素块的灰度均值mean:
其中,W为所述像素矩阵大小的宽度,H为所述像素矩阵大小的高度,I(x,y)为所述待处理图像在(x,y)处的灰度值;
本发明实施例中,可采用下述公式计算每个所述像素块的灰度方差var:
其中,m0为所述灰度初始值,v0为所述灰度标准差。
本发明实施例中,所述文本特征是指将待处理图像中提取到的文字利用预构建的词向量转化模型转化得到的词向量特征。
作为本发明一实施例,所述提取所述待处理图像中的文本特征,包括:提取所述待处理图像中的文本;利用预构建的分词器对所述文本进行分词处理,得到分词文本;利用预设的词向量转化模型将所述分词文本转化成词向量,得到所述文本特征。例如,可以利用基于bert网络的词向量转化模型将从待处理图像中提取到的文字转化为词向量。
本发明实施例中,在利用预设的词向量转化模型将所述分词文本转化成词向量之前,还可以包括:利用预设的停用词表去除所述分词文本中的停用词。
所述特征融合模块102,用于将所述图像特征和文本特征集映射在预构建的特征融合模型的维度空间中,得到特征融合空间,并分别计算所述特征融合空间内图像特征与每个文本特征的融合特征向量;
本发明实施例中,所述维度空间是指实现所述图像特征和文本特征映射操作的多维空间。
本发明实施例将文本特征与所述图像特征映射到相同的特征维度空间,实现图像特征与文本特征的特征融合。
本发明实施例中,所述将所述图像特征和文本特征集映射在预构建的特征融合模型的维度空间中,得到特征融合空间,包括:
所述特征融合模型的维度空间确定所述图像特征的起始点以及终止点;
依次将所述文本特征集的每个文本特征在所述维度空间中执行映射;
汇总所述维度空间中的所述图像特征及每个所述文本特征,得到所述特征融合空间。
本发明实施例可通过下述公式计算所述特征融合空间内图像特征与每个文本特征的融合特征向量:
F=D3(D1(FImage)+D2(FText));
其中D1、D2、D3为所述特征融合模型的全连接层,FImage为所述图像特征,FText为所述文本特征,F为融合特征向量。
所述分类模块103,用于将所述融合特征向量输入预先训练完成的分类模型中执行分类操作,分类出所述待处理图像的目标类别。
本发明实施例中,所述预先完成训练的分类模型是指利用本方案相关的大量训练语料对预构建的分类模型进行训练,训练完成后得到的分类算法模型。
详细地,所述将所述融合特征向量输入预先训练完成的分类模型中执行分类操作,包括:计算所述融合特征向量命中预设的多个分类标签的概率值;将所述概率值进行排序,提取排名靠前的预设数量的概率值对应的分类标签;根据所述分类标签得到所述待处理图像的目标类别。
本发明实施例中,所述目标类别是指待处理图像所属的具体类别。例如,在商品分类领域中,图像为上衣,文字描述为纯棉、黑色及宽松,则上述例子的目标类别为“上衣&纯棉”、“上衣&黑色”以及“上衣&宽松”。
例如,在商品分类领域中,可利用商品图像中的图像特征和文字特征进行特征融合后,通过利用本方案相关的大量训练语料对预构建的分类模型分类出所述商品图像的具体目标类别。
本发明实施例通过提取出图像的图像特征和文本特征,可以保证图像中每个信息的完整性,另外,再将所述提取出的图像特征和文本特征执行融合,可以使得融合后的融合特征包含的特征信息更为完整,同时也提高了利用预先训练完成的分类模型执行分类时的精准度。
如图3所示,是本发明一实施例提供的实现基于多模态学习模型的分类方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于多模态学习模型的分类程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于多模态学习模型的分类程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如基于多模态学习模型的分类程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于多模态学习模型的分类程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取待处理图像,并提取所述待处理图像的图像特征;
提取所述待处理图像的文本特征,得到文本特征集;
将所述图像特征和文本特征集映射在预构建的特征融合模型的维度空间中,得到特征融合空间,并分别计算所述特征融合空间内图像特征与每个文本特征的融合特征向量;
将所述融合特征向量输入预先训练完成的分类模型中执行分类操作,分类出所述待处理图像的目标类别。
具体地,所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/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存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取待处理图像,并提取所述待处理图像的图像特征;
提取所述待处理图像的文本特征,得到文本特征集;
将所述图像特征和文本特征集映射在预构建的特征融合模型的维度空间中,得到特征融合空间,并分别计算所述特征融合空间内图像特征与每个文本特征的融合特征向量;
将所述融合特征向量输入预先训练完成的分类模型中执行分类操作,分类出所述待处理图像的目标类别。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,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,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块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,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
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。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于多模态学习模型的分类方法,其特征在于,所述方法包括:
获取待处理图像,并提取所述待处理图像的图像特征;
提取所述待处理图像的文本特征,得到文本特征集;
将所述图像特征和文本特征集映射在预构建的特征融合模型的维度空间中,得到特征融合空间,并分别计算所述特征融合空间内图像特征与每个文本特征的融合特征向量;
将所述融合特征向量输入预先训练完成的分类模型中执行分类操作,分类出所述待处理图像的目标类别。
2.如权利要求1所述的基于多模态学习模型的分类方法,其特征在于,所述提取所述待处理图像的图像特征,包括:
将所述待处理图像进行图像标准化处理,得到标准化图像;
利用预构建的基于DenseNet算法的卷积神经网络模型对所述标准化图像进行卷积池化操作,得到所述图像特征。
3.如权利要求2所述的基于多模态学习模型的分类方法,其特征在于,所述将所述待处理图像进行图像标准化处理,得到标准化图像,包括:
根据所述待处理图像的像素矩阵大小,将所述待处理图像切分成多个像素块;
提取每个所述像素块的灰度值,并计算每个所述像素块的灰度均值和灰度方差;
利用每个所述像素块的所述灰度均值、所述灰度方差及预设的灰度初始值和灰度标准差,重新调整每个所述像素块的灰度值,整合每个所述像素块的灰度值得到标准化图像。
4.如权利要求1所述的基于多模态学习模型的分类方法,其特征在于,所述提取所述待处理图像中的文本特征,包括:
提取所述待处理图像中的文本;
利用预构建的分词器对所述文本进行分词处理,得到分词文本;
利用预设的词向量转化模型将所述分词文本转化成词向量,得到所述文本特征。
5.如权利要求1所述的基于多模态学习模型的分类方法,其特征在于,所述将所述图像特征和文本特征集映射在预构建的特征融合模型的维度空间中,得到特征融合空间,包括:
所述特征融合模型的维度空间确定所述图像特征的起始点以及终止点;
依次将所述文本特征集的每个文本特征在所述维度空间中执行映射;
汇总所述维度空间中的所述图像特征及每个所述文本特征,得到所述特征融合空间。
6.如权利要求1所述的基于多模态学习模型的分类方法,其特征在于,所述分别计算所述特征融合空间内图像特征与每个文本特征的融合特征向量,包括:
可通过下述公式计算所述特征融合空间内图像特征与每个文本特征的融合特征向量:
F=D3(D1(FImage)+D2(FText));
其中D1、D2、D3为所述特征融合模型的全连接层,FImage为所述图像特征,FText为所述文本特征,F为融合特征向量。
7.如权利要求1所述的基于多模态学习模型的分类方法,其特征在于,所述通过所述融合特征向量输入预先训练完成的分类模型中执行分类操作,包括:
计算所述融合特征向量命中预设的多个分类标签的概率值;
将所述概率值进行排序,提取排名靠前的预设数量的概率值对应的分类标签;
根据所述分类标签得到所述待处理图像的目标类别。
8.一种基于多模态学习模型的分类装置,其特征在于,所述装置包括:
特征获取模块,用于获取待处理图像,并提取所述待处理图像的图像特征;提取所述待处理图像的文本特征,得到文本特征集;
特征融合模块,用于将所述图像特征和文本特征集映射在预构建的特征融合模型的维度空间中,得到特征融合空间,并分别计算所述特征融合空间内图像特征与每个文本特征的融合特征向量;
分类模块,用于将所述融合特征向量输入预先训练完成的分类模型中执行分类操作,分类出所述待处理图像的目标类别。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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如权利要求1至7中任意一项所述的基于多模态学习模型的分类方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于多模态学习模型的分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210422050.3A CN114708461A (zh) | 2022-04-21 | 2022-04-21 | 基于多模态学习模型的分类方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210422050.3A CN114708461A (zh) | 2022-04-21 | 2022-04-21 | 基于多模态学习模型的分类方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114708461A true CN114708461A (zh) | 2022-07-05 |
Family
ID=82174745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210422050.3A Pending CN114708461A (zh) | 2022-04-21 | 2022-04-21 | 基于多模态学习模型的分类方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114708461A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115114408A (zh) * | 2022-07-14 | 2022-09-27 | 平安科技(深圳)有限公司 | 多模态情感分类方法、装置、设备及存储介质 |
CN116152817A (zh) * | 2022-12-30 | 2023-05-23 | 北京百度网讯科技有限公司 | 信息处理方法、装置、设备、介质和程序产品 |
CN117421641A (zh) * | 2023-12-13 | 2024-01-19 | 深圳须弥云图空间科技有限公司 | 一种文本分类的方法、装置、电子设备及可读存储介质 |
-
2022
- 2022-04-21 CN CN202210422050.3A patent/CN114708461A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115114408A (zh) * | 2022-07-14 | 2022-09-27 | 平安科技(深圳)有限公司 | 多模态情感分类方法、装置、设备及存储介质 |
CN115114408B (zh) * | 2022-07-14 | 2024-05-31 | 平安科技(深圳)有限公司 | 多模态情感分类方法、装置、设备及存储介质 |
CN116152817A (zh) * | 2022-12-30 | 2023-05-23 | 北京百度网讯科技有限公司 | 信息处理方法、装置、设备、介质和程序产品 |
CN116152817B (zh) * | 2022-12-30 | 2024-01-02 | 北京百度网讯科技有限公司 | 信息处理方法、装置、设备、介质和程序产品 |
CN117421641A (zh) * | 2023-12-13 | 2024-01-19 | 深圳须弥云图空间科技有限公司 | 一种文本分类的方法、装置、电子设备及可读存储介质 |
CN117421641B (zh) * | 2023-12-13 | 2024-04-16 | 深圳须弥云图空间科技有限公司 | 一种文本分类的方法、装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112699775A (zh) | 基于深度学习的证件识别方法、装置、设备及存储介质 | |
CN114708461A (zh) | 基于多模态学习模型的分类方法、装置、设备及存储介质 | |
CN112396005A (zh) | 生物特征图像识别方法、装置、电子设备及可读存储介质 | |
CN112528616A (zh) | 业务表单生成方法、装置、电子设备及计算机存储介质 | |
CN112860905A (zh) | 文本信息抽取方法、装置、设备及可读存储介质 | |
CN113705462A (zh) | 人脸识别方法、装置、电子设备及计算机可读存储介质 | |
CN114491047A (zh) | 多标签文本分类方法、装置、电子设备及存储介质 | |
CN113487621A (zh) | 医学图像分级方法、装置、电子设备及可读存储介质 | |
CN113157739A (zh) | 跨模态检索方法、装置、电子设备及存储介质 | |
CN114979120A (zh) | 数据上传方法、装置、设备及存储介质 | |
CN115018588A (zh) | 产品推荐方法、装置、电子设备及可读存储介质 | |
CN115471775A (zh) | 基于录屏视频的信息验证方法、装置、设备及存储介质 | |
CN113627394A (zh) | 人脸提取方法、装置、电子设备及可读存储介质 | |
CN113704474A (zh) | 银行网点设备操作指引生成方法、装置、设备及存储介质 | |
CN113435308A (zh) | 文本多标签分类方法、装置、设备及存储介质 | |
CN115098644A (zh) | 图像与文本匹配方法、装置、电子设备及存储介质 | |
CN114943306A (zh) | 意图分类方法、装置、设备及存储介质 | |
CN115203364A (zh) | 软件故障反馈处理方法、装置、设备及可读存储介质 | |
CN114385815A (zh) | 基于业务需求的新闻筛选方法、装置、设备及存储介质 | |
CN115221274A (zh) | 文本情感分类方法、装置、电子设备及存储介质 | |
CN115082736A (zh) | 垃圾识别分类方法、装置、电子设备及存储介质 | |
CN113284047A (zh) | 基于多重特征的目标物分割方法、装置、设备及存储介质 | |
CN114677526A (zh) | 图像分类方法、装置、设备及介质 | |
CN114120347A (zh) | 表单校验方法、装置、电子设备及存储介质 | |
CN113822215A (zh) | 设备操作指引文件生成方法、装置、电子设备及存储介质 |
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 |