CN116680580A - 基于多模态训练的信息匹配方法、装置、电子设备及介质 - Google Patents

基于多模态训练的信息匹配方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN116680580A
CN116680580A CN202310637000.1A CN202310637000A CN116680580A CN 116680580 A CN116680580 A CN 116680580A CN 202310637000 A CN202310637000 A CN 202310637000A CN 116680580 A CN116680580 A CN 116680580A
Authority
CN
China
Prior art keywords
text
image
feature vectors
modal
loss function
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
CN202310637000.1A
Other languages
English (en)
Inventor
刘羲
蒋恒智
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 CN202310637000.1A priority Critical patent/CN116680580A/zh
Publication of CN116680580A publication Critical patent/CN116680580A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • 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
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/16—Image acquisition using multiple overlapping images; Image stitching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
    • G06V10/811—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data the classifiers operating on different input data, e.g. multi-modal recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及用于金融科技领域的人工智能技术，揭露一种基于多模态训练的信息匹配方法，包括：将图文样本数据集输入至预构建多模态预训练模型中，得到多个文本特征向量和多个图像特征向量，构建文本特征向量和图像特征向量对应的样本损失函数和模态信息损失函数，利用模态信息损失函数和样本损失函数对多模态预训练模型进行模型训练，得到训练好的标准多模态模型，将待匹配信息输入至所述标准多模态模型中，得到信息匹配结果。此外，本发明还涉及区块链技术，文本特征向量可存储于区块链的节点。本发明还提出一种基于多模态训练的信息匹配装置、电子设备以及存储介质。本发明可以提高金融科技领域场景中信息匹配的准确度。

Description

基于多模态训练的信息匹配方法、装置、电子设备及介质
技术领域
本发明涉及人工智能领域，尤其涉及一种基于多模态训练的信息匹配方法、装置、电子设备及存储介质。
背景技术
随着社会发展和科技进步，大量不同模态种类的信息也涌现出来，在金融科技领域中，与电子交易和电子商务相关的信息有文本信息、图像信息、视频信息和音频信息，而传播最为广泛的还是文本信息和图像信息，因此，如何根据文本信息得到与之匹配的图像信息或者根据图像信息得到与之匹配的文本信息成为关键。
现有的信息匹配方法通常是通过执行跨模态对齐方法实现的，这种方法会忽略每个模态中的数据潜力，同时对于一些相似语义的文本或者相似形状的图形无法准确的区分，因此导致进行信息匹配的准确度较低，故亟待提出一种准确度更高的信息匹配方法。
发明内容
本发明提供一种基于多模态训练的信息匹配方法、装置、电子设备及存储介质，其主要目的在于提高信息匹配的准确度。
为实现上述目的，本发明提供的一种基于多模态训练的信息匹配方法，包括：
获取图文样本数据集，将所述图文样本数据集输入至预构建的多模态预训练模型中，得到多个文本特征向量和多个图像特征向量；
分别计算多个所述文本特征向量之间的文本对比损失值及多个图像特征向量之间的图像对比损失值，根据所述文本对比损失值和所述图像对比损失值构建样本损失函数；
提取所述图像特征向量中的全局图像特征向量和局部图像特征向量，根据所述全局图像特征向量和所述局部图像特征向量构建图像损失函数，提取所述文本特征向量中的全局文本特征向量和局部文本特征向量，根据所述全局文本特征向量和所述局部文本特征向量构建文本损失函数；
根据所述图像损失函数和所述文本损失函数构建模态信息损失函数，并利用所述模态信息损失函数和所述样本损失函数对所述多模态预训练模型进行模型训练，得到训练好的标准多模态模型；
获取待匹配信息，将所述待匹配信息输入至所述标准多模态模型中，得到信息匹配结果。
可选地，所述将所述图文样本数据集输入至预构建的多模态预训练模型中，得到多个文本特征向量和多个图像特征向量，包括：
识别所述图文样本数据集中样本数据的数据类型，并根据所述数据类型对所述图文样本数据集进行数据分类，得到图像样本数据集和文本样本数据集；
将所述图像样本数据集中的图像样本数据输入至所述多模态预训练模型中的图像侧，得到多个图像特征向量；
将所述文本样本数据集中的文本样本数据输入至所述多模态预训练模型中的文本侧，得到多个文本特征向量。
可选地，所述将所述图像样本数据集中的图像样本数据输入至所述多模态预训练模型中的图像侧，得到多个图像特征向量，包括：
利用所述多模态预训练模型中的图像侧对所述图像样本数据进行全局特征提取，得到全局图像特征向量，并将所述全局图像特征向量作为第一类图像特征向量；
对所述图像样本数据进行局部特征提取，得到局部图像特征向量，并将所述局部图像特征向量作为第二类图像特征向量；
将所述第一类图像特征向量和所述第二类图像特征向量进行拼接处理，并对拼接处理后的向量进行维度变换，得到图像特征向量；
遍历所述图像样本数据集中的多条图像样本数据进行数据处理，得到多个图像特征向量。
可选地，所述计算多个所述文本特征向量之间的文本对比损失值，包括：
识别多个文本特征向量中的正文本向量和负文本向量，并选取任意一个正文本向量作为目标正文本向量，选取与所述目标正文本向量对应的负文本向量作为目标负文本向量；
将所述目标正文本向量和所述目标负文本向量输入至预设的文本对比损失函数公式中，得到文本对比损失值。
可选地，所述预设的文本对比损失函数公式为：
其中，Lnce(T+,T-)为文本对比损失函数值，T+为目标正文本向量，T-为目标负文本向量，k1为所述文本特征向量的向量个数，τ为预设固定参数。
可选地，所述利用所述模态信息损失函数和所述样本损失函数对所述多模态预训练模型进行模型训练，得到训练好的标准多模态模型，包括：
获取训练数据集，根据所述模态信息损失函数和所述样本损失函数分别计算出所述训练数据集对应的模态损失值和样本损失值；
当所述模态损失值和所述样本损失值均满足预设的参考条件时，将所述多模态预训练模型作为训练好的标准多模态模型；
当所述模态损失值或者所述样本损失值不满足预设的参考条件时，对所述多模态预训练模型进行模型参数调整，并根据调整模型参数后的模型进行特征提取和损失值计算，直至计算得到的损失值满足所述参考条件，将调整模型参数后的模型作为训练好的标准多模态模型。
可选地，所述模态信息损失函数为：
其中，Llmi为模态信息损失函数值，为图像损失函数值，/>为文本损失函数值，M为所述图文样本数据集中图像信息的个数，N为所述图文样本数据集中文本信息的个数，I1为全局图像特征向量，/>为局部图像特征向量的平方值，T1为全局文本特征向量，/>为局部文本特征向量的平方值。
为了解决上述问题，本发明还提供一种基于多模态训练的信息匹配装置，所述装置包括：
向量生成模块，用于获取图文样本数据集，将所述图文样本数据集输入至预构建的多模态预训练模型中，得到多个文本特征向量和多个图像特征向量；
函数构造模块，用于分别计算多个所述文本特征向量之间的文本对比损失值及多个图像特征向量之间的图像对比损失值，根据所述文本对比损失值和所述图像对比损失值构建样本损失函数，提取所述图像特征向量中的全局图像特征向量和局部图像特征向量，根据所述全局图像特征向量和所述局部图像特征向量构建图像损失函数，提取所述文本特征向量中的全局文本特征向量和局部文本特征向量，根据所述全局文本特征向量和所述局部文本特征向量构建文本损失函数；
模型训练模块，用于根据所述图像损失函数和所述文本损失函数构建模态信息损失函数，并利用所述模态信息损失函数和所述样本损失函数对所述多模态预训练模型进行模型训练，得到训练好的标准多模态模型；
信息匹配模块，用于获取待匹配信息，将所述待匹配信息输入至所述标准多模态模型中，得到信息匹配结果。
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训练的信息匹配方法。
为了解决上述问题，本发明还提供一种存储介质，所述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训练的信息匹配方法。
本发明实施例中，通过将图文样本数据集输入至预构建的多模态预训练模型中，得到多个文本特征向量和多个图像特征向量，构建样本损失函数和模态信息损失函数，从模态之间的信息关系构建损失函数可以提高模型训练的准确度，利用模态信息损失函数和样本损失函数对多模态预训练模型进行模型训练，得到训练好的标准多模态模型，将待匹配信息输入至所述标准多模态模型中，得到信息匹配结果。因此本发明提出的基于多模态训练的信息匹配方法、装置、电子设备及存储介质，可以解决提高信息匹配的准确度低的问题。
附图说明
图1为本发明一实施例提供的基于多模态训练的信息匹配方法的流程示意图；
图2为图1中其中一个步骤的详细实施流程示意图；
图3为本发明一实施例提供的基于多模态训练的信息匹配装置的功能模块图；
图4为本发明一实施例提供的实现所述基于多模态训练的信息匹配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训练的信息匹配方法。所述基于多模态训练的信息匹配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，所述基于多模态训练的信息匹配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(ContentDeliveryNetwork，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训练的信息匹配方法的流程示意图。在本实施例中，所述基于多模态训练的信息匹配方法包括以下步骤S1-S5：
S1、获取图文样本数据集，将所述图文样本数据集输入至预构建的多模态预训练模型中，得到多个文本特征向量和多个图像特征向量。
本发明实施例中，所述图文样本数据集中包含多个图文样本对，每一个图文样本对中包含图像信息和文本信息，在金融科技领域中，所述图像信息可以是指电子交易过程中的交易图像，所述文本信息可以是指交易图片对应的文字信息。
具体地，参照图2所示，所述将所述图文样本数据集输入至预构建的多模态预训练模型中，得到多个文本特征向量和多个图像特征向量，包括以下步骤S11-S13：
S11、识别所述图文样本数据集中样本数据的数据类型，并根据所述数据类型对所述图文样本数据集进行数据分类，得到图像样本数据集和文本样本数据集；
S12、将所述图像样本数据集中的图像样本数据输入至所述多模态预训练模型中的图像侧，得到多个图像特征向量；
S13、将所述文本样本数据集中的文本样本数据输入至所述多模态预训练模型中的文本侧，得到多个文本特征向量。
详细地，所述预构建的多模态预训练模型可以为双塔模型，在多模态预训练模型中包含图像侧和文本侧，可以实现对图像样本数据和文本样本数据的向量化。
进一步地，所述将所述图像样本数据集中的图像样本数据输入至所述多模态预训练模型中的图像侧，得到多个图像特征向量，包括：
利用所述多模态预训练模型中的图像侧对所述图像样本数据进行全局特征提取，得到全局图像特征向量，并将所述全局图像特征向量作为第一类图像特征向量；
对所述图像样本数据进行局部特征提取，得到局部图像特征向量，并将所述局部图像特征向量作为第二类图像特征向量；
将所述第一类图像特征向量和所述第二类图像特征向量进行拼接处理，并对拼接处理后的向量进行维度变换，得到图像特征向量；
遍历所述图像样本数据集中的多条图像样本数据进行数据处理，得到多个图像特征向量。
详细地，将拼接后的向量输入至全连接层进行维度变换，得到图像特征向量。
优选地，将所述文本样本数据集中的文本样本数据输入至所述多模态预训练模型中的文本侧，得到多个文本特征向量的方法与对图像样本数据进行处理的方法相似，此处不再赘述。
S2、分别计算多个所述文本特征向量之间的文本对比损失值及多个图像特征向量之间的图像对比损失值，根据所述文本对比损失值和所述图像对比损失值构建样本损失函数。
本发明实施例中，所述计算多个所述文本特征向量之间的文本对比损失值，包括：
识别多个文本特征向量中的正文本向量和负文本向量，并选取任意一个正文本向量作为目标正文本向量，选取与所述目标正文本向量对应的负文本向量作为目标负文本向量；
将所述目标正文本向量和所述目标负文本向量输入至预设的文本对比损失函数公式中，得到文本对比损失值。
详细地，所述预设的文本对比损失函数公式用于学习正负样本之间相同模态的语义信息差别。
具体地，所述预设的文本对比损失函数公式为：
其中，Lnce(T+,T-)为文本对比损失函数值，T+为目标正文本向量，T-为目标负文本向量，k1为所述文本特征向量的向量个数，τ为预设固定参数。
进一步地，计算多个图像特征向量之间的图像对比损失值的方法与计算多个所述文本特征向量之间的文本对比损失值的方法相似，不同之处在于计算图像对比损失值使用的为图像对比损失函数。
详细地，所述图像对比损失函数为：
其中，Lnce(I+,I-)为图像对比损失函数值，I+为目标正图像向量，I-为目标负图像向量，k2为所述图像特征向量的向量个数，τ为预设固定参数。
具体地，根据所述文本对比损失值和所述图像对比损失值构建样本损失函数，其中，所述样本损失函数为：
其中，Limc为样本损失函数，Lnve(T+，T-)为文本对比损失函数值，Lnve(I+，I-)为图像对比损失函数值。
S3、提取所述图像特征向量中的全局图像特征向量和局部图像特征向量，根据所述全局图像特征向量和所述局部图像特征向量构建图像损失函数，提取所述文本特征向量中的全局文本特征向量和局部文本特征向量，根据所述全局文本特征向量和所述局部文本特征向量构建文本损失函数。
本发明实施例中，由于所述图像特征向量是通过第一类图像特征向量和第二类图像特征向量进行拼接处理和维度变换所得，因此可以根据图像特征向量反向推导得到，第一类图像特征向量为全局图像特征向量，第二类图像特征向量为局部图像特征向量。
具体地，所述根据所述全局图像特征向量和所述局部图像特征向量构建图像损失函数，包括：
所述图像损失函数为：
其中，为图像损失函数值，I1为全局图像特征向量，/>为局部图像特征向量的平方值，k3为所述图像特征向量的向量个数，τ为预设固定参数。
进一步地，所述根据所述全局文本特征向量和所述局部文本特征向量构建文本损失函数，包括：
所述文本损失函数为：
其中，为文本损失函数值，T1为全局文本特征向量，/>为局部文本特征向量的平方值，k4为所述文本特征向量的向量个数，τ为预设固定参数。
优选地，所述图像损失函数和所述文本损失函数可以最大化全局信息和局部信息之间的互信息，提高了模态之间的互信息能力。
S4、根据所述图像损失函数和所述文本损失函数构建模态信息损失函数，并利用所述模态信息损失函数和所述样本损失函数对所述多模态预训练模型进行模型训练，得到训练好的标准多模态模型。
本发明实施例中，所述根据所述图像损失函数和所述文本损失函数构建模态信息损失函数，包括：
所述模态信息损失函数为：
其中，Llmi为模态信息损失函数值，为图像损失函数值，/>为文本损失函数值，M为所述图文样本数据集中图像信息的个数，N为所述图文样本数据集中文本信息的个数，I1为全局图像特征向量，/>为局部图像特征向量的平方值，T1为全局文本特征向量，/>为局部文本特征向量的平方值。
具体地，所述利用所述模态信息损失函数和所述样本损失函数对所述多模态预训练模型进行模型训练，得到训练好的标准多模态模型，包括：
获取训练数据集，根据所述模态信息损失函数和所述样本损失函数分别计算出所述训练数据集对应的模态损失值和样本损失值；
当所述模态损失值和所述样本损失值均满足预设的参考条件时，将所述多模态预训练模型作为训练好的标准多模态模型；
当所述模态损失值或者所述样本损失值不满足预设的参考条件时，对所述多模态预训练模型进行模型参数调整，并根据调整模型参数后的模型进行特征提取和损失值计算，直至计算得到的损失值满足所述参考条件，将调整模型参数后的模型作为训练好的标准多模态模型。
详细地，根据所述模态信息损失函数和所述样本损失函数进行模型训练，从多个不同的维度对模型进行调整，使得后续利用该模型进行信息匹配的准确度提高。
S5、获取待匹配信息，将所述待匹配信息输入至所述标准多模态模型中，得到信息匹配结果。
本发明实施例中，将获取得到的待匹配信息输入至所述标准多模态模型中，所述标准多模态模型可以准确地实现图像信息和文本信息的匹配。
详细地，与跨模态对比损失来实现图像和文本对齐的方式不同，本方案考虑了模态内监督，以确保所学习的表示在每个模态内有意义，从而有利于跨模态对齐和联合多模态嵌入学习，并且进一步引入了局部信息和全局信息之间的互信息，更好地提高的信息匹配的能力。
本发明实施例中，通过将图文样本数据集输入至预构建的多模态预训练模型中，得到多个文本特征向量和多个图像特征向量，构建样本损失函数和模态信息损失函数，从模态之间的信息关系构建损失函数可以提高模型训练的准确度，利用模态信息损失函数和样本损失函数对多模态预训练模型进行模型训练，得到训练好的标准多模态模型，将待匹配信息输入至所述标准多模态模型中，得到信息匹配结果。因此本发明提出的基于多模态训练的信息匹配方法可以解决提高信息匹配的准确度低的问题。
如图3所示，是本发明一实施例提供的基于多模态训练的信息匹配装置的功能模块图。
本发明所述基于多模态训练的信息匹配装置100可以安装于电子设备中。根据实现的功能，所述基于多模态训练的信息匹配装置100可以包括向量生成模块101、函数构造模块102、模型训练模块103及信息匹配模块104。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：
所述向量生成模块101，用于获取图文样本数据集，将所述图文样本数据集输入至预构建的多模态预训练模型中，得到多个文本特征向量和多个图像特征向量；
所述函数构造模块102，用于分别计算多个所述文本特征向量之间的文本对比损失值及多个图像特征向量之间的图像对比损失值，根据所述文本对比损失值和所述图像对比损失值构建样本损失函数，提取所述图像特征向量中的全局图像特征向量和局部图像特征向量，根据所述全局图像特征向量和所述局部图像特征向量构建图像损失函数，提取所述文本特征向量中的全局文本特征向量和局部文本特征向量，根据所述全局文本特征向量和所述局部文本特征向量构建文本损失函数；
所述模型训练模块103，用于根据所述图像损失函数和所述文本损失函数构建模态信息损失函数，并利用所述模态信息损失函数和所述样本损失函数对所述多模态预训练模型进行模型训练，得到训练好的标准多模态模型；
所述信息匹配模块104，用于获取待匹配信息，将所述待匹配信息输入至所述标准多模态模型中，得到信息匹配结果。
详细地，所述基于多模态训练的信息匹配装置100各模块的具体实施方式如下：
步骤一、获取图文样本数据集，将所述图文样本数据集输入至预构建的多模态预训练模型中，得到多个文本特征向量和多个图像特征向量。
本发明实施例中，所述图文样本数据集中包含多个图文样本对，每一个图文样本对中包含图像信息和文本信息，在金融科技领域中，所述图像信息可以是指电子交易过程中的交易图像，所述文本信息可以是指交易图片对应的文字信息。
具体地，所述将所述图文样本数据集输入至预构建的多模态预训练模型中，得到多个文本特征向量和多个图像特征向量，包括：
识别所述图文样本数据集中样本数据的数据类型，并根据所述数据类型对所述图文样本数据集进行数据分类，得到图像样本数据集和文本样本数据集；
将所述图像样本数据集中的图像样本数据输入至所述多模态预训练模型中的图像侧，得到多个图像特征向量；
将所述文本样本数据集中的文本样本数据输入至所述多模态预训练模型中的文本侧，得到多个文本特征向量。
详细地，所述预构建的多模态预训练模型可以为双塔模型，在多模态预训练模型中包含图像侧和文本侧，可以实现对图像样本数据和文本样本数据的向量化。
进一步地，所述将所述图像样本数据集中的图像样本数据输入至所述多模态预训练模型中的图像侧，得到多个图像特征向量，包括：
利用所述多模态预训练模型中的图像侧对所述图像样本数据进行全局特征提取，得到全局图像特征向量，并将所述全局图像特征向量作为第一类图像特征向量；
对所述图像样本数据进行局部特征提取，得到局部图像特征向量，并将所述局部图像特征向量作为第二类图像特征向量；
将所述第一类图像特征向量和所述第二类图像特征向量进行拼接处理，并对拼接处理后的向量进行维度变换，得到图像特征向量；
遍历所述图像样本数据集中的多条图像样本数据进行数据处理，得到多个图像特征向量。
详细地，将拼接后的向量输入至全连接层进行维度变换，得到图像特征向量。
优选地，将所述文本样本数据集中的文本样本数据输入至所述多模态预训练模型中的文本侧，得到多个文本特征向量的方法与对图像样本数据进行处理的方法相似，此处不再赘述。
步骤二、分别计算多个所述文本特征向量之间的文本对比损失值及多个图像特征向量之间的图像对比损失值，根据所述文本对比损失值和所述图像对比损失值构建样本损失函数。
本发明实施例中，所述计算多个所述文本特征向量之间的文本对比损失值，包括：
识别多个文本特征向量中的正文本向量和负文本向量，并选取任意一个正文本向量作为目标正文本向量，选取与所述目标正文本向量对应的负文本向量作为目标负文本向量；
将所述目标正文本向量和所述目标负文本向量输入至预设的文本对比损失函数公式中，得到文本对比损失值。
详细地，所述预设的文本对比损失函数公式用于学习正负样本之间相同模态的语义信息差别。
具体地，所述预设的文本对比损失函数公式为：
其中，Lnce(T+,T-)为文本对比损失函数值，T+为目标正文本向量，T-为目标负文本向量，k1为所述文本特征向量的向量个数，τ为预设固定参数。
进一步地，计算多个图像特征向量之间的图像对比损失值的方法与计算多个所述文本特征向量之间的文本对比损失值的方法相似，不同之处在于计算图像对比损失值使用的为图像对比损失函数。
详细地，所述图像对比损失函数为：
其中，Lnve(I+，I-)为图像对比损失函数值，I+为目标正图像向量，I-为目标负图像向量，k2为所述图像特征向量的向量个数，τ为预设固定参数。
具体地，根据所述文本对比损失值和所述图像对比损失值构建样本损失函数，其中，所述样本损失函数为：
其中，Limc为样本损失函数，Lnve(T+，T-)为文本对比损失函数值，Lnve(I+，I-)为图像对比损失函数值。
步骤三、提取所述图像特征向量中的全局图像特征向量和局部图像特征向量，根据所述全局图像特征向量和所述局部图像特征向量构建图像损失函数，提取所述文本特征向量中的全局文本特征向量和局部文本特征向量，根据所述全局文本特征向量和所述局部文本特征向量构建文本损失函数。
本发明实施例中，由于所述图像特征向量是通过第一类图像特征向量和第二类图像特征向量进行拼接处理和维度变换所得，因此可以根据图像特征向量反向推导得到，第一类图像特征向量为全局图像特征向量，第二类图像特征向量为局部图像特征向量。
具体地，所述根据所述全局图像特征向量和所述局部图像特征向量构建图像损失函数，包括：
所述图像损失函数为：
其中，为图像损失函数值，I1为全局图像特征向量，/>为局部图像特征向量的平方值，k3为所述图像特征向量的向量个数，τ为预设固定参数。
进一步地，所述所述全局文本特征向量和所述局部文本特征向量构建文本损失函数，包括：
所述文本损失函数为：
其中，为文本损失函数值，T1为全局文本特征向量，/>为局部文本特征向量的平方值，k4为所述文本特征向量的向量个数，τ为预设固定参数。
优选地，所述图像损失函数和所述文本损失函数可以最大化全局信息和局部信息之间的互信息，提高了模态之间的互信息能力。
步骤四、根据所述图像损失函数和所述文本损失函数构建模态信息损失函数，并利用所述模态信息损失函数和所述样本损失函数对所述多模态预训练模型进行模型训练，得到训练好的标准多模态模型。
本发明实施例中，所述根据所述图像损失函数和所述文本损失函数构建模态信息损失函数，包括：
所述模态信息损失函数为：
其中，Llmi为模态信息损失函数值，为图像损失函数值，/>为文本损失函数值，M为所述图文样本数据集中图像信息的个数，N为所述图文样本数据集中文本信息的个数，I1为全局图像特征向量，/>为局部图像特征向量的平方值，T1为全局文本特征向量，/>为局部文本特征向量的平方值。
具体地，所述利用所述模态信息损失函数和所述样本损失函数对所述多模态预训练模型进行模型训练，得到训练好的标准多模态模型，包括：
获取训练数据集，根据所述模态信息损失函数和所述样本损失函数分别计算出所述训练数据集对应的模态损失值和样本损失值；
当所述模态损失值和所述样本损失值均满足预设的参考条件时，将所述多模态预训练模型作为训练好的标准多模态模型；
当所述模态损失值或者所述样本损失值不满足预设的参考条件时，对所述多模态预训练模型进行模型参数调整，并根据调整模型参数后的模型进行特征提取和损失值计算，直至计算得到的损失值满足所述参考条件，将调整模型参数后的模型作为训练好的标准多模态模型。
详细地，根据所述模态信息损失函数和所述样本损失函数进行模型训练，从多个不同的维度对模型进行调整，使得后续利用该模型进行信息匹配的准确度提高。
步骤五、获取待匹配信息，将所述待匹配信息输入至所述标准多模态模型中，得到信息匹配结果。
本发明实施例中，将获取得到的待匹配信息输入至所述标准多模态模型中，所述标准多模态模型可以准确地实现图像信息和文本信息的匹配。
详细地，与跨模态对比损失来实现图像和文本对齐的方式不同，本方案考虑了模态内监督，以确保所学习的表示在每个模态内有意义，从而有利于跨模态对齐和联合多模态嵌入学习，并且进一步引入了局部信息和全局信息之间的互信息，更好地提高的信息匹配的能力。
本发明实施例中，通过将图文样本数据集输入至预构建的多模态预训练模型中，得到多个文本特征向量和多个图像特征向量，构建样本损失函数和模态信息损失函数，从模态之间的信息关系构建损失函数可以提高模型训练的准确度，利用模态信息损失函数和样本损失函数对多模态预训练模型进行模型训练，得到训练好的标准多模态模型，将待匹配信息输入至所述标准多模态模型中，得到信息匹配结果。因此本发明提出的基于多模态训练的信息匹配装置可以解决提高信息匹配的准确度低的问题。
如图4所示，是本发明一实施例提供的实现基于多模态训练的信息匹配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，如基于多模态训练的信息匹配程序。
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训练的信息匹配程序等)，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，例如基于多模态训练的信息匹配程序的代码等，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4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4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存储的基于多模态训练的信息匹配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：
获取图文样本数据集，将所述图文样本数据集输入至预构建的多模态预训练模型中，得到多个文本特征向量和多个图像特征向量；
分别计算多个所述文本特征向量之间的文本对比损失值及多个图像特征向量之间的图像对比损失值，根据所述文本对比损失值和所述图像对比损失值构建样本损失函数；
提取所述图像特征向量中的全局图像特征向量和局部图像特征向量，根据所述全局图像特征向量和所述局部图像特征向量构建图像损失函数，提取所述文本特征向量中的全局文本特征向量和局部文本特征向量，根据所述全局文本特征向量和所述局部文本特征向量构建文本损失函数；
根据所述图像损失函数和所述文本损失函数构建模态信息损失函数，并利用所述模态信息损失函数和所述样本损失函数对所述多模态预训练模型进行模型训练，得到训练好的标准多模态模型；
获取待匹配信息，将所述待匹配信息输入至所述标准多模态模型中，得到信息匹配结果。
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，可以存储在一个存储介质中。所述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：
获取图文样本数据集，将所述图文样本数据集输入至预构建的多模态预训练模型中，得到多个文本特征向量和多个图像特征向量；
分别计算多个所述文本特征向量之间的文本对比损失值及多个图像特征向量之间的图像对比损失值，根据所述文本对比损失值和所述图像对比损失值构建样本损失函数；
提取所述图像特征向量中的全局图像特征向量和局部图像特征向量，根据所述全局图像特征向量和所述局部图像特征向量构建图像损失函数，提取所述文本特征向量中的全局文本特征向量和局部文本特征向量，根据所述全局文本特征向量和所述局部文本特征向量构建文本损失函数；
根据所述图像损失函数和所述文本损失函数构建模态信息损失函数，并利用所述模态信息损失函数和所述样本损失函数对所述多模态预训练模型进行模型训练，得到训练好的标准多模态模型；
获取待匹配信息，将所述待匹配信息输入至所述标准多模态模型中，得到信息匹配结果。
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)

1.一种基于多模态训练的信息匹配方法，其特征在于，所述方法包括：
获取图文样本数据集，将所述图文样本数据集输入至预构建的多模态预训练模型中，得到多个文本特征向量和多个图像特征向量；
分别计算多个所述文本特征向量之间的文本对比损失值及多个图像特征向量之间的图像对比损失值，根据所述文本对比损失值和所述图像对比损失值构建样本损失函数；
提取所述图像特征向量中的全局图像特征向量和局部图像特征向量，根据所述全局图像特征向量和所述局部图像特征向量构建图像损失函数，提取所述文本特征向量中的全局文本特征向量和局部文本特征向量，根据所述全局文本特征向量和所述局部文本特征向量构建文本损失函数；
根据所述图像损失函数和所述文本损失函数构建模态信息损失函数，并利用所述模态信息损失函数和所述样本损失函数对所述多模态预训练模型进行模型训练，得到训练好的标准多模态模型；
获取待匹配信息，将所述待匹配信息输入至所述标准多模态模型中，得到信息匹配结果。
2.如权利要求1所述的基于多模态训练的信息匹配方法，其特征在于，所述将所述图文样本数据集输入至预构建的多模态预训练模型中，得到多个文本特征向量和多个图像特征向量，包括：
识别所述图文样本数据集中样本数据的数据类型，并根据所述数据类型对所述图文样本数据集进行数据分类，得到图像样本数据集和文本样本数据集；
将所述图像样本数据集中的图像样本数据输入至所述多模态预训练模型中的图像侧，得到多个图像特征向量；
将所述文本样本数据集中的文本样本数据输入至所述多模态预训练模型中的文本侧，得到多个文本特征向量。
3.如权利要求2所述的基于多模态训练的信息匹配方法，其特征在于，所述将所述图像样本数据集中的图像样本数据输入至所述多模态预训练模型中的图像侧，得到多个图像特征向量，包括：
利用所述多模态预训练模型中的图像侧对所述图像样本数据进行全局特征提取，得到全局图像特征向量，并将所述全局图像特征向量作为第一类图像特征向量；
对所述图像样本数据进行局部特征提取，得到局部图像特征向量，并将所述局部图像特征向量作为第二类图像特征向量；
将所述第一类图像特征向量和所述第二类图像特征向量进行拼接处理，并对拼接处理后的向量进行维度变换，得到图像特征向量；
遍历所述图像样本数据集中的多条图像样本数据进行数据处理，得到多个图像特征向量。
4.如权利要求1所述的基于多模态训练的信息匹配方法，其特征在于，所述计算多个所述文本特征向量之间的文本对比损失值，包括：
识别多个文本特征向量中的正文本向量和负文本向量，并选取任意一个正文本向量作为目标正文本向量，选取与所述目标正文本向量对应的负文本向量作为目标负文本向量；
将所述目标正文本向量和所述目标负文本向量输入至预设的文本对比损失函数公式中，得到文本对比损失值。
5.如权利要求4所述的基于多模态训练的信息匹配方法，其特征在于，所述预设的文本对比损失函数公式为：
其中，Lnce(T+,T-)为文本对比损失函数值，T+为目标正文本向量，T-为目标负文本向量，k1为所述文本特征向量的向量个数，τ为预设固定参数。
6.如权利要求1所述的基于多模态训练的信息匹配方法，其特征在于，所述利用所述模态信息损失函数和所述样本损失函数对所述多模态预训练模型进行模型训练，得到训练好的标准多模态模型，包括：
获取训练数据集，根据所述模态信息损失函数和所述样本损失函数分别计算出所述训练数据集对应的模态损失值和样本损失值；
当所述模态损失值和所述样本损失值均满足预设的参考条件时，将所述多模态预训练模型作为训练好的标准多模态模型；
当所述模态损失值或者所述样本损失值不满足预设的参考条件时，对所述多模态预训练模型进行模型参数调整，并根据调整模型参数后的模型进行特征提取和损失值计算，直至计算得到的损失值满足所述参考条件，将调整模型参数后的模型作为训练好的标准多模态模型。
7.如权利要求1所述的基于多模态训练的信息匹配方法，其特征在于，所述模态信息损失函数为：
其中，Llmi为模态信息损失函数值，为图像损失函数值，/>为文本损失函数值，M为所述图文样本数据集中图像信息的个数，N为所述图文样本数据集中文本信息的个数，I1为全局图像特征向量，/>为局部图像特征向量的平方值，T1为全局文本特征向量，/>为局部文本特征向量的平方值。
8.一种基于多模态训练的信息匹配装置，其特征在于，所述装置包括：
向量生成模块，用于获取图文样本数据集，将所述图文样本数据集输入至预构建的多模态预训练模型中，得到多个文本特征向量和多个图像特征向量；
函数构造模块，用于分别计算多个所述文本特征向量之间的文本对比损失值及多个图像特征向量之间的图像对比损失值，根据所述文本对比损失值和所述图像对比损失值构建样本损失函数，提取所述图像特征向量中的全局图像特征向量和局部图像特征向量，根据所述全局图像特征向量和所述局部图像特征向量构建图像损失函数，提取所述文本特征向量中的全局文本特征向量和局部文本特征向量，根据所述全局文本特征向量和所述局部文本特征向量构建文本损失函数；
模型训练模块，用于根据所述图像损失函数和所述文本损失函数构建模态信息损失函数，并利用所述模态信息损失函数和所述样本损失函数对所述多模态预训练模型进行模型训练，得到训练好的标准多模态模型；
信息匹配模块，用于获取待匹配信息，将所述待匹配信息输入至所述标准多模态模型中，得到信息匹配结果。
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训练的信息匹配方法。
10.一种存储介质，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训练的信息匹配方法。
CN202310637000.1A 2023-05-31 2023-05-31 基于多模态训练的信息匹配方法、装置、电子设备及介质 Pending CN116680580A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310637000.1A CN116680580A (zh) 2023-05-31 2023-05-31 基于多模态训练的信息匹配方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310637000.1A CN116680580A (zh) 2023-05-31 2023-05-31 基于多模态训练的信息匹配方法、装置、电子设备及介质

Publications (1)

Publication Number Publication Date
CN116680580A true CN116680580A (zh) 2023-09-01

Family

ID=87781730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310637000.1A Pending CN116680580A (zh) 2023-05-31 2023-05-31 基于多模态训练的信息匹配方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN116680580A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116994069A (zh) * 2023-09-22 2023-11-03 武汉纺织大学 一种基于多模态信息的图像解析方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116994069A (zh) * 2023-09-22 2023-11-03 武汉纺织大学 一种基于多模态信息的图像解析方法及系统
CN116994069B (zh) * 2023-09-22 2023-12-22 武汉纺织大学 一种基于多模态信息的图像解析方法及系统

Similar Documents

Publication Publication Date Title
CN112528616B (zh) 业务表单生成方法、装置、电子设备及计算机存储介质
CN113806434B (zh) 大数据处理方法、装置、设备及介质
CN114511038A (zh) 虚假新闻检测方法、装置、电子设备及可读存储介质
CN116680580A (zh) 基于多模态训练的信息匹配方法、装置、电子设备及介质
CN114398557A (zh) 基于双画像的信息推荐方法、装置、电子设备及存储介质
CN116681082A (zh) 离散文本语义分段方法、装置、设备及存储介质
CN116578704A (zh) 文本情感分类方法、装置、设备及计算机可读介质
CN113656690B (zh) 产品推荐方法、装置、电子设备及可读存储介质
CN113704474B (zh) 银行网点设备操作指引生成方法、装置、设备及存储介质
CN114780701A (zh) 自动问答匹配方法、装置、计算机设备及存储介质
CN113157739B (zh) 跨模态检索方法、装置、电子设备及存储介质
CN116705304A (zh) 基于图像文本的多模态任务处理方法、装置、设备及介质
CN116630712A (zh) 基于模态组合的信息分类方法、装置、电子设备及介质
CN115982454A (zh) 基于用户画像的问卷推送方法、装置、设备及存储介质
CN113536782B (zh) 敏感词识别方法、装置、电子设备及存储介质
CN115346095A (zh) 视觉问答方法、装置、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
CN115221875B (zh) 词权重生成方法、装置、电子设备及存储介质
CN112328796B (zh) 文本聚类方法、装置、设备及计算机可读存储介质
WO2023178798A1 (zh) 图像分类方法、装置、设备及介质
CN115098688B (zh) 多标签分类模型训练方法、装置、电子设备及存储介质
CN114973294B (zh) 基于图文匹配方法、装置、设备及存储介质
CN114864032B (zh) 基于his系统的临床数据采集方法及装置
CN112214556B (zh) 标签生成方法、装置、电子设备及计算机可读存储介质
CN116824255A (zh) 目标物识别方法、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