CN115829058A - 训练样本处理方法、跨模态匹配方法、装置、设备和介质 - Google Patents
训练样本处理方法、跨模态匹配方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN115829058A CN115829058A CN202211668247.1A CN202211668247A CN115829058A CN 115829058 A CN115829058 A CN 115829058A CN 202211668247 A CN202211668247 A CN 202211668247A CN 115829058 A CN115829058 A CN 115829058A
- Authority
- CN
- China
- Prior art keywords
- cross
- modal
- target
- sample
- entity
- 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.)
- Granted
Links
- 238000012549 training Methods 0.000 title claims abstract description 121
- 238000003672 processing method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims description 53
- 238000010586 diagram Methods 0.000 claims abstract description 83
- 238000012545 processing Methods 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 16
- 238000012935 Averaging Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 8
- 239000000203 mixture Substances 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000003058 natural language processing Methods 0.000 abstract description 14
- 238000013135 deep learning Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 240000002853 Nelumbo nucifera Species 0.000 description 7
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 7
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 244000309464 bull Species 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
- 235000013361 beverage Nutrition 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 241000283690 Bos taurus Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Abstract
本公开提供了一种训练样本处理方法、跨模态匹配方法、装置、设备、介质和程序产品,涉及计算机技术领域,尤其涉及智能搜索、深度学习、知识图谱和自然语言处理NLP技术领域。具体实现方案为:获取训练样本的锚点中的目标实体;获取所述目标实体在跨模态知识体系图中对应的目标跨模态知识,其中,所述跨模态知识体系图包括实体及其归属的概念,且所述跨模态知识体系图中的实体对应有至少一个跨模态知识;根据所述目标跨模态知识为所述训练样本中所述锚点的正例和负例进行去噪处理。本公开可以提升训练样本的准确度,继而提升跨模态匹配的精度。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及智能搜索、深度学习、知识图谱和自然语言处理NLP技术领域,具体涉及一种训练样本处理方法、跨模态匹配方法、装置、设备、介质和程序产品。
背景技术
随着自媒体时代的发展,图像、文本、视频等多模态数据爆炸式增长。毫无疑问地,内容形式多样化能帮助人对周围世界的感知与理解,从而更加全面准确地学习知识。在人工智能跨模态领域,其目标是做到类似人脑地对不同形式的信息进行语义的对齐与互补的功能。跨模态检索与匹配便是跨模态理解中最为基础的任务,主要用于解决不同模态间的匹配问题,也就是度量不同模态之间的相关性。
目前的跨模态检索与匹配技术中,通常是通过对比学习来进行模型训练,然后利用训练好的模型来计算不同模态对象之间的相似度,从而实现检索与匹配。因此,用于训练模型的训练样本的质量直接影响跨模态检索与匹配模型的训练效果。
发明内容
本公开提供了一种训练样本处理方法、跨模态匹配方法、装置、设备、介质和程序产品。
根据本公开的一方面,提供了一种训练样本处理方法,包括:
获取训练样本的锚点中的目标实体;
获取所述目标实体在跨模态知识体系图中对应的目标跨模态知识,其中,所述跨模态知识体系图包括实体及其归属的概念,且所述跨模态知识体系图中的实体对应有至少一个跨模态知识;
根据所述目标跨模态知识为所述训练样本中所述锚点的正例和负例进行去噪处理。
根据本公开的一方面,提供了一种跨模态匹配方法,包括:
将检索标的和待匹配的跨模态对象集合输入预先训练的跨模态匹配模型;
利用所述跨模态匹配模型获取与所述检索标的相匹配的至少一个目标跨模态对象;
其中,所述跨模态匹配模型是基于本公开任意实施例所述的训练样本处理方法获取的训练样本训练得到。
根据本公开的另一方面,提供了一种训练样本处理装置,包括:
目标实体获取模块,用于获取训练样本的锚点中的目标实体;
目标跨模态知识获取模块,用于获取所述目标实体在跨模态知识体系图中对应的目标跨模态知识,其中,所述跨模态知识体系图包括实体及其归属的概念,且所述跨模态知识体系图中的实体对应有至少一个跨模态知识;
去噪模块,用于根据所述目标跨模态知识为所述训练样本中所述锚点的正例和负例进行去噪处理。
根据本公开的另一方面,提供了一种跨模态匹配装置,包括:
输入模块,用于将检索标的和待匹配的跨模态对象集合输入预先训练的跨模态匹配模型;
匹配模块,用于利用所述跨模态匹配模型获取与所述检索标的相匹配的至少一个目标跨模态对象;
其中,所述跨模态匹配模型是利用如本公开任意实施例所述的训练样本处理装置获取的训练样本训练得到。
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本公开任意实施例所述的训练样本处理方法或者本公开任意实施例所述的跨模态匹配方法。
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,所述计算机指令用于使计算机执行本公开任意实施例所述的训练样本处理方法或者本公开任意实施例所述的跨模态匹配方法。
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,所述计算机程序在被处理器执行时实现本公开任意实施例所述的训练样本处理方法或者本公开任意实施例所述的跨模态匹配方法。
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是根据本公开实施例的一种训练样本处理方法的示意图;
图2a是根据本公开实施例的一种训练样本处理方法的示意图;
图2b是根据本公开实施例的跨模态知识体系图的示意图;
图2c是根据本公开实施例的伪正例的示意图;
图2d是根据本公开实施例的伪负例的示意图;
图3a是根据本公开实施例的一种训练样本处理方法的示意图;
图3b是根据本公开实施例的困难样本挖掘示意图;
图4a是根据本公开实施例的一种训练样本处理方法的示意图;
图4b是根据本公开实施例的训练样本数据增强示意图;
图5是根据本公开实施例的一种跨模态匹配方法的示意图;
图6是根据本公开实施例的一种跨模态匹配的整体框架图;
图7是根据本公开实施例的一种训练样本处理装置的结构示意图;
图8是根据本公开实施例的一种跨模态匹配装置的结构示意图;
图9是用来实现本公开实施例的训练样本处理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。
图1是根据本公开实施例的训练样本处理方法的流程示意图,本实施例可适用于在训练跨模态匹配模型时处理训练样本的情况,例如去除或修正噪声样本,以提升训练样本的准确度。涉及计算机技术领域,尤其涉及智能搜索、深度学习、知识图谱和自然语言处理NLP技术领域。该方法可由一种训练样本处理装置来执行,该装置采用软件和/或硬件的方式实现,优选是配置于电子设备中,例如计算机设备或服务器等。如图1所示,该方法具体包括如下:
S101、获取训练样本的锚点中的目标实体。
S102、获取目标实体在跨模态知识体系图中对应的目标跨模态知识,其中,跨模态知识体系图包括实体及其归属的概念,且跨模态知识体系图中的实体对应有至少一个跨模态知识。
S103、根据目标跨模态知识为训练样本中锚点的正例和负例进行去噪处理。
在跨模态匹配任务中,通常是通过对比学习来进行模型训练。对比学习是一种让训练样本中的锚点(如文本)与其对应的正例(如语义相似的视频或图像)接近,与负例(如语义不相似的视频或图像)远离的机制。其中,训练样本通常是以batch(批处理)为一个集合单位输入模型,每个batch中包括多行样本对,每个样本对包括锚点和对应的跨模态样本信息,因此,当锚点为文本,其跨模态样本信息则为图像或视频,当锚点为图像或视频,其对应的跨模态样本信息则为文本。在一个batch中,任意跨模态样本信息作为同一行的锚点的正例,不同行的锚点的负例。
跨模态匹配任务中,用于训练跨模态匹配模型的训练样本通常是通过半监督等方式自动构建,样本中会存在大量的错误样本,这类错误样本称之为噪声样本。因此,训练模型的过程中可能会遇到噪声样本,而且这种问题在跨模态匹配任务上尤为突出,这就会直接影响模型训练过程中的拟合情况,从而影响模型预测的精度。
本公开实施例是利用跨模态知识体系图来为训练样本去噪。其中,跨模态知识体系图是指包含全部实体和概念类别的多模态知识图谱,其中的每个实体都有其归属的概念,而且概念类别也可以具有多个层级,例如,概念类别“建筑物”下,还可以细分为“房屋”和“桥梁”等同属于建筑物的更细层次的概念。并且,跨模态知识体系图中的实体还对应有至少一个跨模态知识,例如,某饮料的品牌作为一个实体而言,其对应的跨模态知识就可以是至少一个该品牌饮料的图像或视频。图2b是根据本公开实施例的跨模态知识体系图的示意图。从图中可以看出,概念“车”下包括概念“F1车队”、“汽车品牌”和“汽车赛事”,概念“F1车队”下包括实体“红牛F1车队”和“莲花F1车队”,概念“汽车品牌”下包括实体“奔驰”和“保时捷F1赛车”。而对于实体“莲花F1车队”、“红牛F1车队”、“奔驰”和“保时捷F1赛车”而言,对对应有该实体有关的图像,该图像即为该实体的跨模态知识。需要说明的是,构建跨模态知识体系图时,可以将预先建立的知识库中的实体和概念进行关联,并获取各个实体的跨模态知识,即可构建出跨模态知识体系图。而图2b中示出的只是跨模态知识体系图的一部分示例,对于跨模态知识体系图中具体包括的实体和概念的个数,以及实体与概念之间、概念与概念之间的归属关系,本公开实施例并不做任何限定,可根据实际情况进行配置。
实现时,针对训练样本的batch中的任意锚点,获取该锚点中的目标实体,例如,可以利用自然语言处理技术获取锚点中出现的实体,加入锚点为“保时捷F1赛车”,则该锚点对应的目标实体也为“保时捷F1赛车”。然后,获取目标实体在跨模态知识体系图中对应的目标跨模态知识,也即将目标实体在跨模态知识体系图中进行实体链指,找到知识体系图中相应的实体,也即图2b中实体“保时捷F1赛车”,该实体对应的图像即为目标跨模态知识。最后再根据目标跨模态知识为训练样本中锚点的正例和负例进行去噪处理。也就是说,将跨模态知识体系图中记载的跨模态知识作为标准,由此来判定锚点对应的正例是否为伪正例,负例是否为伪负例,以便及时修正。例如,当目标跨模态知识与该锚点的正例不相关,则可以认为该正例为伪正例,当目标跨模态知识与该锚点的负例相关,则可以认为该负例为伪负例。
此外,若锚点中出现的目标实体不唯一,则可以分别在跨模态知识体系图中进行实体链指,并找到各自对应的目标跨模态知识。然后,基于这些目标跨模态知识分别与锚点的正例或负例进行比较,计算出相关性的均值,然后依据均值来判断正例或负例是否为伪正例或伪负例。若同一个目标实体对应的目标跨模态知识不唯一,则也可以利用类似的方法计算相关性均值,然后依据均值进行判断,此处不再赘述。
本公开实施例的技术方案,利用预先构建的多模态知识体系图作为知识引导来实现样本去噪,能够准确、快速的发现样本中的伪正例和伪负例,以便及时进行修正,从而提升训练样本的准确度。利用更加干净、准确的训练样本来训练跨模态匹配任务中的模型,则可以提升跨模态匹配的精度。
图2a是根据本公开实施例的训练样本处理方法的流程示意图,本实施例在上述实施例的基础上进一步进行优化。如图2a所示,该方法具体包括如下:
S201、获取训练样本的锚点中的目标实体。
S202、获取目标实体在跨模态知识体系图中对应的目标跨模态知识,其中,跨模态知识体系图包括实体及其归属的概念,且跨模态知识体系图中的实体对应有至少一个跨模态知识。
S203、计算目标跨模态知识与锚点的正例之间的相似度,如果计算结果小于第一预设阈值,则将正例修改为负例。
S204、计算目标跨模态知识与锚点的负例之间的相似度,如果计算结果大于第二预设阈值,则将负例修改为正例。
噪声样本主要包含两种类型,一种是伪正例,一种是伪负例。伪正例样本是指虽然标注为正例,但是训练样本中文本与对应的视频或图像是不相关的。伪负例则与伪正例相反,是指虽然标注为负例,但是在训练样本中文本与对应的视频或图像是相关的。示例性的,图2c是根据本公开实施例的伪正例的示意图,图2d是根据本公开实施例的伪负例的示意图。图2c中,锚点(Anchor)为“保时捷F1赛车”,然而标注为正例的是一张“HONDA”的赛车图像,虽然该赛车车身与保时捷F1赛车很相似,但是并非真正的“保时捷”品牌的车,因此,该正例即为伪正例。图2d中,锚点(Anchor)也为“保时捷F1赛车”,保时捷的英文表示为“Porsche”,在图2d所示的负例中,“Porsche”被遮挡了一部分,不容易看出,但真实情况是,该被标注为负例的图像的确是“保时捷F1赛车”,因此为伪负例。
本公开实施例中,计算目标跨模态知识与锚点的正例或负例之间的相似度,具体可以是计算目标跨模态知识的表示向量与正例或负例的表示向量之间的相似度,例如,通过计算向量之间的余弦距离来表示二者之间的相似度。通过将相似度计算结果与预设阈值进行比较来进行判断是否为伪正例或伪负例,并在判断出伪正例或伪负例时,分别将其修正为负例或正例,即修改该样本的标注信息。
此外,当目标实体的数量不唯一,可以通过计算均值的方式来进行判断。也即:分别计算每个目标实体对应的目标跨模态知识与锚点的正例之间的相似度,并将计算结果进行加和平均,如果加和平均的结果小于第一预设阈值,则将正例修改为负例;以及分别计算每个目标实体对应的目标跨模态知识与锚点的负例之间的相似度,并将计算结果进行加和平均,如果加和平均的结果大于第二预设阈值,则将负例修改为正例。
本公开实施例的技术方案,利用预先构建的多模态知识体系图作为知识引导,并通过计算目标跨模态知识与锚点的正例或负例之间的相似度来判断是否存在伪正例或伪负例,以便及时进行修正,从而提升训练样本的准确度。
图3a是根据本公开实施例的一种训练样本处理方法的示意图,本实施例在上述实施例的基础上进一步进行优化。如图3a所示,该方法具体包括如下:
S301、获取训练样本的锚点中的目标实体。
S302、获取目标实体在跨模态知识体系图中对应的目标跨模态知识,其中,跨模态知识体系图包括实体及其归属的概念,且跨模态知识体系图中的实体对应有至少一个跨模态知识。
S303、根据目标跨模态知识为训练样本中锚点的正例和负例进行去噪处理。
S304、在跨模态知识体系图中,获取与目标实体具有相同概念的候选实体列表。
S305、获取候选实体列表中每个候选实体在跨模态知识体系图中对应的跨模态知识,并计算每个候选实体的跨模态知识与锚点的各个负例的相似度。
S306、如果存在任意目标候选实体对应的相似度计算结果大于第三预设阈值,则将目标候选实体的跨模态知识构造为锚点的困难负例。
构建困难样本的出发点是使模型关注到更加困难的知识信息,来辅助指导模型学习或训练,从而增加模型的学习泛化能力。本公开实施例中依据跨模态知识体系图来构造困难样本。具体的,先在跨模态知识体系图中获取与目标实体具有相同概念的候选实体列表。然后获取候选实体列表中每个候选实体在跨模态知识体系图中对应的跨模态知识,并计算每个候选实体的跨模态知识与锚点的各个负例的相似度。如果存在任意目标候选实体对应的相似度计算结果大于第三预设阈值,则将目标候选实体的跨模态知识构造为锚点的困难负例。
在跨模态知识体系图中,同一个概念下通常包括不止一个实体,同时体系图中还存在多个并列的概念,这些并列的概念又具有相同的更上一层级的概念,也即概念可以包括多个层级。例如图2b中,实体“奔驰”就是与“保时捷F1赛车”具有相同概念“汽车品牌”的两个不同的实体。候选实体列表即为跨模态知识体系图中与目标实体具有相同概念的一个或多个实体,如果在这些候选实体中存在这样的目标候选实体:该目标候选实体对应的跨模态知识与锚点的某负例的相似度较高,例如高出第三预设阈值,那么就说明该目标候选实体的跨模态知识与这一负例之间具有较高的相似度,因此,可以将该目标候选实体的跨模态知识构造为该锚点的困难负例。
在一种实施方式中,跨模态知识体系图存储为无向图;相应的,在跨模态知识体系图中获取与目标实体具有相同概念的候选实体列表具体可以包括:
获取目标实体在跨模态知识体系图中对应的关联实体列表;
在无向图中,依次遍历关联实体列表中每个关联实体的邻居实体节点;
从邻居实体节点中获取与每个关联实体具有相同概念的候选实体列表;其中,具有相同概念是指:概念在无向图中的节点与候选实体和与其对应的关联实体的节点距离均不大于第四预设阈值。
示例性的,图3b是根据本公开实施例的困难样本挖掘示意图。其中锚点Anchor为“红牛车队F1比赛”,通过实体链指可以获取到目标实体的关联实体为实体“红牛”。然后遍历无向图,其中,实体“莲花”、“奔驰”和“保时捷”都是实体“红牛”的邻居节点。其中,第四预设阈值例如可以设置为2,正如图3b中所示,实体“红牛”和“莲花”都具有相同的概念“F1车队”,因此,“莲花”是“红牛”的候选实体;实体“奔驰”和“保时捷”具有相同的概念“汽车品牌”,“汽车品牌”虽然与“F1车队”不同,但“汽车品牌”与“F1车队”却也具有相同概念“车”,同时概念“车”与实体“奔驰”和“保时捷”的节点距离没有大于2,因此,实体“奔驰”和“保时捷”也是“红牛”的候选实体。于是可以获取到关联实体“红牛”的候选实体列表“莲花”、“奔驰”和“保时捷”,对应困难负例1和困难负例2。
由此,本公开实施例的技术方案可以采样的困难样本是和Anchor红牛车队F1比赛非常类似的“莲花车队F1赛车”或者“奔驰汽车”这种相对困难的样本,而不是随机采样“一个人在跳舞”、“飞机在天上飞”这种非常简单的负样本。因此,本公开实施例中利用跨模态知识体系图来构建困难样本的方法,能够全局检索困难样本,使得模型注意力关注在更加困难的样本上,从而增加模型的学习泛化能力,进一步提高模型的训练效果。
图4a是根据本公开实施例的一种训练样本处理方法的示意图,本实施例在上述实施例的基础上进一步进行优化。如图4a所示,该方法具体包括如下:
S401、获取训练样本的锚点中的目标实体。
S402、获取目标实体在跨模态知识体系图中对应的目标跨模态知识,其中,跨模态知识体系图包括实体及其归属的概念,且跨模态知识体系图中的实体对应有至少一个跨模态知识。
S403、根据目标跨模态知识为训练样本中锚点的正例和负例进行去噪处理。
S404、将锚点所属的批处理样本集batch中的跨模态样本序列做倒序处理,得到跨模态样本倒序序列。
S405、将跨模态样本序列与跨模态样本倒序序列进行加权相加,得到跨模态样本混合序列。
其中,所述跨模态样本混合序列用于作为批处理样本集batch中锚点序列的跨模态样本进行模型训练。
其中,将跨模态样本序列与跨模态样本倒序序列进行加权相加得到跨模态样本混合序列,可以包括:将跨模态样本序列的每一行跨模态样本与跨模态样本倒序序列对应的每一行跨模态样本,在向量表示上进行加权相加,得到跨模态样本混合序列。在一种实施方式中,在所述加权相加的过程中,跨模态样本序列的权重与跨模态样本倒序序列的权重之和为1。由此,通过上述方式对跨模态样本进行mixup,从而实现数据增强,使得模型能够通过跨模态样本混合序列学习到更加丰富、更加细粒度的概念和知识,从而提升模型的训练效果。
图4b是根据本公开实施例的训练样本数据增强示意图。如图4b所示,以图文匹配为例,锚点是文本,对应的跨模态样本信息为图像。在一个batch中,将跨模态样本序列(即图像序列){I}做倒序处理,得到跨模态样本倒序序列{IR},然后将序列{I}和序列{IR}按照α和(1-α)的权重进行加权相加,得到跨模态样本混合序列{IMix}。跨模态样本混合序列{IMix}可以作为该batch中的锚点序列(即文本序列){A}的跨模态样本进行模型训练。同时,若跨模态样本序列对应的原始损失函数为跨模态样本混合序列对应的损失函数为最终进行模型训练时的损失函数则可以表示为:
图5是根据本公开实施例的一种跨模态匹配方法的示意图,本实施例可适用于实现跨模态检索与匹配的情况,例如图文匹配或视文匹配等,涉及计算机技术领域,尤其涉及智能搜索、深度学习、知识图谱和自然语言处理NLP技术领域。该方法可由一种跨模态匹配装置来执行,该装置采用软件和/或硬件的方式实现,优选是配置于电子设备中,例如计算机设备或服务器等。如图5所示,该方法具体包括如下:
S501、将检索标的和待匹配的跨模态对象集合输入预先训练的跨模态匹配模型。
S502、利用跨模态匹配模型获取与检索标的相匹配的至少一个目标跨模态对象。
其中,跨模态匹配模型是基于上述实施例中任一所述的训练样本处理方法获取的训练样本训练得到,此处不再赘述。
具体的,本公开实施例的跨模态匹配方法可以用于图文匹配、视文匹配等场景。可以是利用文本匹配图像或视频,此时,输入的检索标的则为文本,待匹配的跨模态对象则为图像或视频;也可以是利用图像或视频来匹配文本,此时,输入的检索标的则为图像或视频,待匹配的跨模态对象则为文本。此外,本公开实施例的跨模态匹配方法也可以用于素材匹配场景,如视频制作的过程中需要给文案匹配素材,则可以利用预先训练的跨模态匹配模型来获取相匹配的素材。还可以用于图像或视频的标签过滤场景,通过跨模态匹配模型对图像或视频以及对应的标签进行相似度的衡量,从中过滤掉低质的标签。
其中,跨模态匹配模型是基于本公开任意实施例所述的训练样本处理方法获取的训练样本训练得到,例如使用单塔与双塔协同训练的方式来进行训练。图6是根据本公开实施例的一种跨模态匹配的整体框架图。如图所示,在样本处理阶段,使用的是基于跨模态知识体系图的知识引导的抗噪学习及困难样本构造,提高训练样本的准确度,提升模型的拟合效果,还能全局检索困难样本,使得模型更加关注在困难样本上。同时还实现了数据增强与细粒度对齐,提升训练样本的边界,提高模型的泛化能力。在模型训练阶段,采用的是双塔与单塔协同训练的方式,进一步提升模型的训练效果,提高模型精度。在模型预测阶段,则可以用在视文匹配、图文匹配和匹配引导的文生图等多种应用场景,适用范围更加广泛。图6中,Text表示文本,Video/Image表示视频/图像,CLOP表示跨模态知识强化预训练Cross-modal knowledge-enhanced Pre-training,Visual Encoder表示视觉编码,TextEncoder表示文本编码,Interaction Layer表示交互层,Visual Text ContrastiveLearning表示视觉与文本的对比学习,Visual Text Matching表示视觉与文本匹配。
图7是根据本公开实施例的训练样本处理装置的结构示意图,本实施例可适用于在训练跨模态匹配模型时处理训练样本的情况,例如去除或修正噪声样本,以提升训练样本的准确度。涉及计算机技术领域,尤其涉及智能搜索、深度学习、知识图谱和自然语言处理NLP技术领域。该装置可实现本公开任意实施例所述的训练样本处理方法。如图7所示,该装置700具体包括:
目标实体获取模块701,用于获取训练样本的锚点中的目标实体;
目标跨模态知识获取模块702,用于获取所述目标实体在跨模态知识体系图中对应的目标跨模态知识,其中,所述跨模态知识体系图包括实体及其归属的概念,且所述跨模态知识体系图中的实体对应有至少一个跨模态知识;
去噪模块703,用于根据所述目标跨模态知识为所述训练样本中所述锚点的正例和负例进行去噪处理。
可选的,所述锚点包括文本,所述锚点的正例和负例包括图像或视频。
可选的,所述去噪模块703包括:
第一去噪单元,用于计算所述目标跨模态知识与所述锚点的正例之间的相似度,如果计算结果小于第一预设阈值,则将所述正例修改为负例;以及
第二去噪单元,用于计算所述目标跨模态知识与所述锚点的负例之间的相似度,如果计算结果大于第二预设阈值,则将所述负例修改为正例。
可选的,所述去噪模块703包括:
第三去噪单元,用于当所述目标实体的数量不唯一,分别计算每个所述目标实体对应的目标跨模态知识与所述锚点的正例之间的相似度,并将计算结果进行加和平均,如果所述加和平均的结果小于第一预设阈值,则将所述正例修改为负例;以及
第四去噪单元,用于当所述目标实体的数量不唯一,分别计算每个所述目标实体对应的目标跨模态知识与所述锚点的负例之间的相似度,并将计算结果进行加和平均,如果所述加和平均的结果大于第二预设阈值,则将所述负例修改为正例。
可选的,所述装置还包括困难样本构造模块,所述困难样本构造模块包括:
候选实体列表获取单元,用于在所述跨模态知识体系图中,获取与所述目标实体具有相同概念的候选实体列表;
相似度计算单元,用于获取所述候选实体列表中每个候选实体在所述跨模态知识体系图中对应的跨模态知识,并计算所述每个候选实体的跨模态知识与所述锚点的各个负例的相似度;
困难负例构造单元,用于如果存在任意目标候选实体对应的所述相似度计算结果大于第三预设阈值,则将所述目标候选实体的跨模态知识构造为所述锚点的困难负例。
可选的,所述跨模态知识体系图存储为无向图;相应的,所述候选实体列表获取单元包括:
关联实体列表获取子单元,用于获取所述目标实体在所述跨模态知识体系图中对应的关联实体列表;
遍历子单元,用于在所述无向图中,依次遍历所述关联实体列表中每个关联实体的邻居实体节点;
候选实体列表获取子单元,用于从所述邻居实体节点中获取与所述每个关联实体具有相同概念的候选实体列表;
其中,所述具有相同概念是指:概念在所述无向图中的节点与所述候选实体和与其对应的关联实体的节点距离均不大于第四预设阈值。
可选的,所述装置还包括数据增强模块,所述数据增强模块包括:
跨模态知识倒序序列获取单元,用于将所述锚点所属的批处理样本集batch中的跨模态样本序列做倒序处理,得到跨模态样本倒序序列;
跨模态样本混合序列获取单元,用于将所述跨模态样本序列与所述跨模态样本倒序序列进行加权相加,得到跨模态样本混合序列;
其中,所述跨模态样本混合序列用于作为所述批处理样本集batch中锚点序列的跨模态样本进行模型训练。
可选的,所述跨模态样本混合序列获取单元具体用于:
将所述跨模态样本序列的每一行跨模态样本与所述跨模态样本倒序序列对应的每一行跨模态样本,在向量表示上进行加权相加,得到跨模态样本混合序列。
可选的,在所述跨模态样本混合序列获取单元进行加权相加的过程中,所述跨模态样本序列的权重与所述跨模态样本倒序序列的权重之和为1。
可选的,所述模型训练的损失函数为所述跨模态样本序列对应的损失函数与所述跨模态样本混合序列对应的损失函数进行加权相加的结果。
图8是根据本公开实施例的跨模态匹配装置的结构示意图,本实施例可适用于实现跨模态检索与匹配的情况,例如图文匹配或视文匹配等,涉及计算机技术领域,尤其涉及智能搜索、深度学习、知识图谱和自然语言处理NLP技术领域。该装置可实现本公开任意实施例所述的跨模态匹配方法。如图8所示,该装置800具体包括:
输入模块801,用于将检索标的和待匹配的跨模态对象集合输入预先训练的跨模态匹配模型;
匹配模块802,用于利用所述跨模态匹配模型获取与所述检索标的相匹配的至少一个目标跨模态对象;
其中,所述跨模态匹配模型是利用上述实施例中任一所述的训练样本处理装置获取的训练样本训练得到。
可选的,所述跨模态匹配模型的训练方式为单塔与双塔协同训练。
可选的,所述检索标的为文本,所述跨模态对象为图像或视频。
可选的,所述检索标的为图像或视频,所述跨模态对象为文本。
上述产品可执行本公开任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
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,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9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9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900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901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901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901执行上文所描述的各个方法和处理,例如训练样本处理方法。例如,在一些实施例中,训练样本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908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的训练样本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901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行训练样本处理方法。
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、现场可编程门阵列(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)区块链网络和互联网。
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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。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。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件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、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作系统、网络、软件、应用和存储设备等,并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
此外,根据本公开的实施例,本公开还提供了另一种电子设备、另一种可读存储介质和另一种计算机程序产品,用于执行本公开任意实施例所述的跨模态匹配方法的一个或多个步骤。其具体的结构和程序代码可参见如图9所示的实施例的内容描述,此处不再赘述。
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提供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 (31)
1.一种训练样本处理方法,包括:
获取训练样本的锚点中的目标实体;
获取所述目标实体在跨模态知识体系图中对应的目标跨模态知识,其中,所述跨模态知识体系图包括实体及其归属的概念,且所述跨模态知识体系图中的实体对应有至少一个跨模态知识;
根据所述目标跨模态知识为所述训练样本中所述锚点的正例和负例进行去噪处理。
2.根据权利要求1所述的方法,其中,所述锚点包括文本,所述锚点的正例和负例包括图像或视频。
3.根据权利要求1所述的方法,其中,所述根据所述目标跨模态知识为所述训练样本中所述锚点的正例和负例进行去噪处理,包括:
计算所述目标跨模态知识与所述锚点的正例之间的相似度,如果计算结果小于第一预设阈值,则将所述正例修改为负例;以及
计算所述目标跨模态知识与所述锚点的负例之间的相似度,如果计算结果大于第二预设阈值,则将所述负例修改为正例。
4.根据权利要求1所述的方法,其中,当所述目标实体的数量不唯一,所述根据所述目标跨模态知识为所述训练样本中所述锚点的正例和负例进行去噪处理,包括:
分别计算每个所述目标实体对应的目标跨模态知识与所述锚点的正例之间的相似度,并将计算结果进行加和平均,如果所述加和平均的结果小于第一预设阈值,则将所述正例修改为负例;以及
分别计算每个所述目标实体对应的目标跨模态知识与所述锚点的负例之间的相似度,并将计算结果进行加和平均,如果所述加和平均的结果大于第二预设阈值,则将所述负例修改为正例。
5.根据权利要求1所述的方法,还包括:
在所述跨模态知识体系图中,获取与所述目标实体具有相同概念的候选实体列表;
获取所述候选实体列表中每个候选实体在所述跨模态知识体系图中对应的跨模态知识,并计算所述每个候选实体的跨模态知识与所述锚点的各个负例的相似度;
如果存在任意目标候选实体对应的所述相似度计算结果大于第三预设阈值,则将所述目标候选实体的跨模态知识构造为所述锚点的困难负例。
6.根据权利要求5所述的方法,其中,所述跨模态知识体系图存储为无向图;相应的,所述在所述跨模态知识体系图中,获取与所述目标实体具有相同概念的候选实体列表,包括:
获取所述目标实体在所述跨模态知识体系图中对应的关联实体列表;
在所述无向图中,依次遍历所述关联实体列表中每个关联实体的邻居实体节点;
从所述邻居实体节点中获取与所述每个关联实体具有相同概念的候选实体列表;
其中,所述具有相同概念是指:概念在所述无向图中的节点与所述候选实体和与其对应的关联实体的节点距离均不大于第四预设阈值。
7.根据权利要求1所述的方法,还包括:
将所述锚点所属的批处理样本集batch中的跨模态样本序列做倒序处理,得到跨模态样本倒序序列;
将所述跨模态样本序列与所述跨模态样本倒序序列进行加权相加,得到跨模态样本混合序列;
其中,所述跨模态样本混合序列用于作为所述批处理样本集batch中锚点序列的跨模态样本进行模型训练。
8.根据权利要求7所述的方法,其中,所述将所述跨模态样本序列与所述跨模态样本倒序序列进行加权相加,得到跨模态样本混合序列,包括:
将所述跨模态样本序列的每一行跨模态样本与所述跨模态样本倒序序列对应的每一行跨模态样本,在向量表示上进行加权相加,得到跨模态样本混合序列。
9.根据权利要求7所述的方法,其中,在所述加权相加的过程中,所述跨模态样本序列的权重与所述跨模态样本倒序序列的权重之和为1。
10.根据权利要求7所述的方法,其中,所述模型训练的损失函数为所述跨模态样本序列对应的损失函数与所述跨模态样本混合序列对应的损失函数进行加权相加的结果。
11.一种跨模态匹配方法,包括:
将检索标的和待匹配的跨模态对象集合输入预先训练的跨模态匹配模型;
利用所述跨模态匹配模型获取与所述检索标的相匹配的至少一个目标跨模态对象;
其中,所述跨模态匹配模型是基于如权利要求1-10中任一项所述的训练样本处理方法获取的训练样本训练得到。
12.根据权利要求11所述的方法,其中,所述跨模态匹配模型的训练方式为单塔与双塔协同训练。
13.根据权利要求11所述的方法,其中,所述检索标的为文本,所述跨模态对象为图像或视频。
14.根据权利要求11所述的方法,其中,所述检索标的为图像或视频,所述跨模态对象为文本。
15.一种训练样本处理装置,包括:
目标实体获取模块,用于获取训练样本的锚点中的目标实体;
目标跨模态知识获取模块,用于获取所述目标实体在跨模态知识体系图中对应的目标跨模态知识,其中,所述跨模态知识体系图包括实体及其归属的概念,且所述跨模态知识体系图中的实体对应有至少一个跨模态知识;
去噪模块,用于根据所述目标跨模态知识为所述训练样本中所述锚点的正例和负例进行去噪处理。
16.根据权利要求15所述的装置,其中,所述锚点包括文本,所述锚点的正例和负例包括图像或视频。
17.根据权利要求15所述的装置,其中,所述去噪模块包括:
第一去噪单元,用于计算所述目标跨模态知识与所述锚点的正例之间的相似度,如果计算结果小于第一预设阈值,则将所述正例修改为负例;以及
第二去噪单元,用于计算所述目标跨模态知识与所述锚点的负例之间的相似度,如果计算结果大于第二预设阈值,则将所述负例修改为正例。
18.根据权利要求15所述的装置,其中,所述去噪模块包括:
第三去噪单元,用于当所述目标实体的数量不唯一,分别计算每个所述目标实体对应的目标跨模态知识与所述锚点的正例之间的相似度,并将计算结果进行加和平均,如果所述加和平均的结果小于第一预设阈值,则将所述正例修改为负例;以及
第四去噪单元,用于当所述目标实体的数量不唯一,分别计算每个所述目标实体对应的目标跨模态知识与所述锚点的负例之间的相似度,并将计算结果进行加和平均,如果所述加和平均的结果大于第二预设阈值,则将所述负例修改为正例。
19.根据权利要求15所述的装置,还包括困难样本构造模块,所述困难样本构造模块包括:
候选实体列表获取单元,用于在所述跨模态知识体系图中,获取与所述目标实体具有相同概念的候选实体列表;
相似度计算单元,用于获取所述候选实体列表中每个候选实体在所述跨模态知识体系图中对应的跨模态知识,并计算所述每个候选实体的跨模态知识与所述锚点的各个负例的相似度;
困难负例构造单元,用于如果存在任意目标候选实体对应的所述相似度计算结果大于第三预设阈值,则将所述目标候选实体的跨模态知识构造为所述锚点的困难负例。
20.根据权利要求19所述的装置,其中,所述跨模态知识体系图存储为无向图;相应的,所述候选实体列表获取单元包括:
关联实体列表获取子单元,用于获取所述目标实体在所述跨模态知识体系图中对应的关联实体列表;
遍历子单元,用于在所述无向图中,依次遍历所述关联实体列表中每个关联实体的邻居实体节点;
候选实体列表获取子单元,用于从所述邻居实体节点中获取与所述每个关联实体具有相同概念的候选实体列表;
其中,所述具有相同概念是指:概念在所述无向图中的节点与所述候选实体和与其对应的关联实体的节点距离均不大于第四预设阈值。
21.根据权利要求15所述的装置,还包括数据增强模块,所述数据增强模块包括:
跨模态样本倒序序列获取单元,用于将所述锚点所属的批处理样本集batch中的跨模态样本序列做倒序处理,得到跨模态样本倒序序列;
跨模态样本混合序列获取单元,用于将所述跨模态样本序列与所述跨模态样本倒序序列进行加权相加,得到跨模态样本混合序列;
其中,所述跨模态样本混合序列用于作为所述批处理样本集batch中锚点序列的跨模态样本进行模型训练。
22.根据权利要求21所述的装置,其中,所述跨模态样本混合序列获取单元具体用于:
将所述跨模态样本序列的每一行跨模态样本与所述跨模态样本倒序序列对应的每一行跨模态样本,在向量表示上进行加权相加,得到跨模态样本混合序列。
23.根据权利要求21所述的装置,其中,在所述跨模态样本混合序列获取单元进行加权相加的过程中,所述跨模态样本序列的权重与所述跨模态样本倒序序列的权重之和为1。
24.根据权利要求21所述的装置,其中,所述模型训练的损失函数为所述跨模态样本序列对应的损失函数与所述跨模态样本混合序列对应的损失函数进行加权相加的结果。
25.一种跨模态匹配装置,包括:
输入模块,用于将检索标的和待匹配的跨模态对象集合输入预先训练的跨模态匹配模型;
匹配模块,用于利用所述跨模态匹配模型获取与所述检索标的相匹配的至少一个目标跨模态对象;
其中,所述跨模态匹配模型是利用如权利要求15-24中任一项所述的训练样本处理装置获取的训练样本训练得到。
26.根据权利要求25所述的装置,其中,所述跨模态匹配模型的训练方式为单塔与双塔协同训练。
27.根据权利要求25所述的装置,其中,所述检索标的为文本,所述跨模态对象为图像或视频。
28.根据权利要求25所述的装置,其中,所述检索标的为图像或视频,所述跨模态对象为文本。
29.一种电子设备,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根据权利要求1-10中任一项所述的训练样本处理方法,或者权利要求11-14中任一项所述的跨模态匹配方法。
30.一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1-10中任一项所述的训练样本处理方法,或者权利要求11-14中任一项所述的跨模态匹配方法。
31.一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令在被处理器执行时实现根据权利要求1-10中任一项所述的训练样本处理方法,或者权利要求11-14中任一项所述的跨模态匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211668247.1A CN115829058B (zh) | 2022-12-23 | 2022-12-23 | 训练样本处理方法、跨模态匹配方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211668247.1A CN115829058B (zh) | 2022-12-23 | 2022-12-23 | 训练样本处理方法、跨模态匹配方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115829058A true CN115829058A (zh) | 2023-03-21 |
CN115829058B CN115829058B (zh) | 2024-04-23 |
Family
ID=85518111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211668247.1A Active CN115829058B (zh) | 2022-12-23 | 2022-12-23 | 训练样本处理方法、跨模态匹配方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115829058B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116167434A (zh) * | 2023-04-24 | 2023-05-26 | 清华大学 | 一种弱监督视觉语言预训练模型的训练方法和装置 |
CN116680420A (zh) * | 2023-08-02 | 2023-09-01 | 昆明理工大学 | 基于知识表示增强的低资源跨语言文本检索方法及装置 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108170755A (zh) * | 2017-12-22 | 2018-06-15 | 西安电子科技大学 | 基于三元组深度网络的跨模态哈希检索方法 |
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 |
US20210297498A1 (en) * | 2020-03-19 | 2021-09-23 | Sri International | User targeted content generation using multimodal embeddings |
CN113486833A (zh) * | 2021-07-15 | 2021-10-08 | 北京达佳互联信息技术有限公司 | 多模态特征提取模型训练方法、装置、电子设备 |
CN113780194A (zh) * | 2021-09-15 | 2021-12-10 | 北京京东尚科信息技术有限公司 | 多模态预训练方法和装置 |
CN113868459A (zh) * | 2021-06-25 | 2021-12-31 | 之江实验室 | 模型训练方法、跨模态表征方法、无监督图像文本匹配方法及装置 |
CN114281878A (zh) * | 2021-12-27 | 2022-04-05 | 浙江华云信息科技有限公司 | 一种面向电力市场的多模态数据融合方法、设备及介质 |
CN114612659A (zh) * | 2022-02-28 | 2022-06-10 | 国网山东省电力公司电力科学研究院 | 一种基于融合模态对比学习的电力设备分割方法及系统 |
CN114863440A (zh) * | 2022-04-14 | 2022-08-05 | 广州欢聚时代信息科技有限公司 | 订单数据处理方法及其装置、设备、介质、产品 |
CN114972792A (zh) * | 2022-06-06 | 2022-08-30 | 平安科技(深圳)有限公司 | 基于双模态特征融合的问答方法、装置、设备和存储介质 |
US20220284246A1 (en) * | 2021-03-05 | 2022-09-08 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method for training cross-modal retrieval model, electronic device and storage medium |
CN115186110A (zh) * | 2022-08-04 | 2022-10-14 | 中国科学技术大学 | 基于关系增强负采样的多模态知识图谱补全方法与系统 |
CN115205592A (zh) * | 2022-07-15 | 2022-10-18 | 东北大学 | 一种基于多模态数据的重平衡长尾图像数据分类方法 |
CN115221347A (zh) * | 2022-06-13 | 2022-10-21 | 复旦大学 | 图像文本检索模型的建模方法 |
CN115270754A (zh) * | 2022-09-19 | 2022-11-01 | 科大讯飞(苏州)科技有限公司 | 跨模态匹配方法及相关装置、电子设备、存储介质 |
CN115329139A (zh) * | 2022-07-13 | 2022-11-11 | 武汉理工大学 | 一种基于群表示理论的知识图谱嵌入的方法 |
CN115391578A (zh) * | 2022-08-03 | 2022-11-25 | 北京乾图科技有限公司 | 一种跨模态图文检索模型训练方法及系统 |
CN115438674A (zh) * | 2022-11-08 | 2022-12-06 | 腾讯科技(深圳)有限公司 | 实体数据处理、实体链接方法、装置和计算机设备 |
CN115438206A (zh) * | 2021-06-02 | 2022-12-06 | 电子科技大学 | 基于三元融合神经网络用于图像和菜谱的跨模态检索方法 |
-
2022
- 2022-12-23 CN CN202211668247.1A patent/CN115829058B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108170755A (zh) * | 2017-12-22 | 2018-06-15 | 西安电子科技大学 | 基于三元组深度网络的跨模态哈希检索方法 |
US20210297498A1 (en) * | 2020-03-19 | 2021-09-23 | Sri International | User targeted content generation using multimodal embeddings |
US20220284246A1 (en) * | 2021-03-05 | 2022-09-08 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method for training cross-modal retrieval model, electronic device and storage medium |
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 |
CN115438206A (zh) * | 2021-06-02 | 2022-12-06 | 电子科技大学 | 基于三元融合神经网络用于图像和菜谱的跨模态检索方法 |
CN113868459A (zh) * | 2021-06-25 | 2021-12-31 | 之江实验室 | 模型训练方法、跨模态表征方法、无监督图像文本匹配方法及装置 |
CN113486833A (zh) * | 2021-07-15 | 2021-10-08 | 北京达佳互联信息技术有限公司 | 多模态特征提取模型训练方法、装置、电子设备 |
CN113780194A (zh) * | 2021-09-15 | 2021-12-10 | 北京京东尚科信息技术有限公司 | 多模态预训练方法和装置 |
CN114281878A (zh) * | 2021-12-27 | 2022-04-05 | 浙江华云信息科技有限公司 | 一种面向电力市场的多模态数据融合方法、设备及介质 |
CN114612659A (zh) * | 2022-02-28 | 2022-06-10 | 国网山东省电力公司电力科学研究院 | 一种基于融合模态对比学习的电力设备分割方法及系统 |
CN114863440A (zh) * | 2022-04-14 | 2022-08-05 | 广州欢聚时代信息科技有限公司 | 订单数据处理方法及其装置、设备、介质、产品 |
CN114972792A (zh) * | 2022-06-06 | 2022-08-30 | 平安科技(深圳)有限公司 | 基于双模态特征融合的问答方法、装置、设备和存储介质 |
CN115221347A (zh) * | 2022-06-13 | 2022-10-21 | 复旦大学 | 图像文本检索模型的建模方法 |
CN115329139A (zh) * | 2022-07-13 | 2022-11-11 | 武汉理工大学 | 一种基于群表示理论的知识图谱嵌入的方法 |
CN115205592A (zh) * | 2022-07-15 | 2022-10-18 | 东北大学 | 一种基于多模态数据的重平衡长尾图像数据分类方法 |
CN115391578A (zh) * | 2022-08-03 | 2022-11-25 | 北京乾图科技有限公司 | 一种跨模态图文检索模型训练方法及系统 |
CN115186110A (zh) * | 2022-08-04 | 2022-10-14 | 中国科学技术大学 | 基于关系增强负采样的多模态知识图谱补全方法与系统 |
CN115270754A (zh) * | 2022-09-19 | 2022-11-01 | 科大讯飞(苏州)科技有限公司 | 跨模态匹配方法及相关装置、电子设备、存储介质 |
CN115438674A (zh) * | 2022-11-08 | 2022-12-06 | 腾讯科技(深圳)有限公司 | 实体数据处理、实体链接方法、装置和计算机设备 |
Non-Patent Citations (3)
Title |
---|
DAPENG CHEN等: "Cross-Modal Retrieval with Heterogeneous Graph Embedding", 《MM \'22: PROCEEDINGS OF THE 30TH ACM INTERNATIONAL CONFERENCE ON MULTIMEDIA》, 31 October 2022 (2022-10-31), pages 3291 - 3300, XP059127934, DOI: 10.1145/3503161.3548195 * |
吴岸聪等: "面向跨模态行人重识别的单模态自监督信息挖掘", 《中国图象图形学报》, vol. 27, no. 10, 31 October 2022 (2022-10-31), pages 2843 - 2859 * |
李娟等: "基于跨模态深度度量学习的时序数据异常检测", 《计算机仿真》, vol. 39, no. 10, 31 October 2022 (2022-10-31), pages 533 - 537 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116167434A (zh) * | 2023-04-24 | 2023-05-26 | 清华大学 | 一种弱监督视觉语言预训练模型的训练方法和装置 |
CN116167434B (zh) * | 2023-04-24 | 2023-07-04 | 清华大学 | 一种弱监督视觉语言预训练模型的训练方法和装置 |
CN116680420A (zh) * | 2023-08-02 | 2023-09-01 | 昆明理工大学 | 基于知识表示增强的低资源跨语言文本检索方法及装置 |
CN116680420B (zh) * | 2023-08-02 | 2023-10-13 | 昆明理工大学 | 基于知识表示增强的低资源跨语言文本检索方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115829058B (zh) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113033622B (zh) | 跨模态检索模型的训练方法、装置、设备和存储介质 | |
CN114399769B (zh) | 文本识别模型的训练方法、文本识别方法及装置 | |
CN112560496A (zh) | 语义分析模型的训练方法、装置、电子设备及存储介质 | |
CN112541122A (zh) | 推荐模型的训练方法、装置、电子设备及存储介质 | |
CN115829058A (zh) | 训练样本处理方法、跨模态匹配方法、装置、设备和介质 | |
CN113392253B (zh) | 视觉问答模型训练及视觉问答方法、装置、设备及介质 | |
CN113657274B (zh) | 表格生成方法、装置、电子设备及存储介质 | |
CN115861462B (zh) | 图像生成模型的训练方法、装置、电子设备及存储介质 | |
CN116152833B (zh) | 基于图像的表格还原模型的训练方法及表格还原方法 | |
CN114648676A (zh) | 点云处理模型的训练和点云实例分割方法及装置 | |
US20230245429A1 (en) | Method and apparatus for training lane line detection model, electronic device and storage medium | |
CN114417878B (zh) | 语义识别方法、装置、电子设备及存储介质 | |
CN115640520A (zh) | 跨语言跨模态模型的预训练方法、设备和存储介质 | |
CN114581732A (zh) | 一种图像处理及模型训练方法、装置、设备和存储介质 | |
CN113360683A (zh) | 训练跨模态检索模型的方法以及跨模态检索方法和装置 | |
CN115186738B (zh) | 模型训练方法、装置和存储介质 | |
CN114239583B (zh) | 实体链指模型的训练及实体链指方法、装置、设备及介质 | |
CN116127319A (zh) | 多模态负样本构建、模型预训练方法、装置、设备及介质 | |
CN113344214B (zh) | 数据处理模型的训练方法、装置、电子设备及存储介质 | |
CN115457365A (zh) | 一种模型的解释方法、装置、电子设备及存储介质 | |
CN115292467A (zh) | 信息处理与模型训练方法、装置、设备、介质及程序产品 | |
CN114817476A (zh) | 语言模型的训练方法、装置、电子设备和存储介质 | |
CN114119972A (zh) | 模型获取及对象处理方法、装置、电子设备及存储介质 | |
CN114973279B (zh) | 手写文本图像生成模型的训练方法、装置和存储介质 | |
CN117636136A (zh) | 图像处理及模型蒸馏训练方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |