CN116844006A - 一种目标识别方法、装置、电子设备及可读存储介质 - Google Patents

一种目标识别方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN116844006A
CN116844006A CN202310786578.3A CN202310786578A CN116844006A CN 116844006 A CN116844006 A CN 116844006A CN 202310786578 A CN202310786578 A CN 202310786578A CN 116844006 A CN116844006 A CN 116844006A
Authority
CN
China
Prior art keywords
image
processed
text
target
vector
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
CN202310786578.3A
Other languages
English (en)
Inventor
陈加壹
于非
贺颖
孙喜龙
董淳光
赵哲一
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.)
Guangdong Provincial Laboratory Of Artificial Intelligence And Digital Economy Shenzhen
Original Assignee
Guangdong Provincial Laboratory Of Artificial Intelligence And Digital Economy Shenzhen
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 Guangdong Provincial Laboratory Of Artificial Intelligence And Digital Economy Shenzhen filed Critical Guangdong Provincial Laboratory Of Artificial Intelligence And Digital Economy Shenzhen
Priority to CN202310786578.3A priority Critical patent/CN116844006A/zh
Publication of CN116844006A publication Critical patent/CN116844006A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted 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
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供了一种目标识别方法、装置、电子设备及可读存储介质。所述方法包括：获取文本命令和待处理图像；提取文本命令中各待处理目标的文本向量；对待处理图像进行处理，获得各对象的图像向量，图像向量用于表征对象的图像信息；根据文本向量和图像向量，计算各待处理目标与各对象的相似度；选取目标相似度，目标相似度大于预设相似度；根据目标相似度，获得各待处理图像对应的图像向量。本申请通过相似度，查找到与文本命令中待处理目标对应的图像向量，以能在图像中识别对应待处理目标的对象，使得图中存在未知对象也能够识别。

Description

一种目标识别方法、装置、电子设备及可读存储介质
技术领域
本申请属于图像技术领域，尤其涉及一种目标识别方法、装置、电子设备及可读存储介质。
背景技术
利用传统的目标检测算法或分割算法，例如基于深度学习的方法，进行识别、分割目标。利用深度学习方法识别、分割目标的方式，只能识别训练过程中出现的目标，使得无法识别未知的目标。
发明内容
本申请实施例提供了一种目标识别方法、装置、电子设备、可读存储介质及计算机程序产品，可以解决无法识别未知的目标的问题。
第一方面，本申请实施例提供了一种目标识别方法，包括：
获取文本命令和待处理图像；
提取所述文本命令中各待处理目标的文本向量；
对所述待处理图像进行处理，获得各对象的图像向量，所述图像向量用于表征所述对象的图像信息；
根据所述文本向量和所述图像向量，计算所述各待处理目标与所述各对象的相似度；
选取目标相似度，所述目标相似度大于预设相似度；
根据所述目标相似度，获得所述各待处理目标对应的图像向量。
在一个实施例中，获取文本命令之前，还包括：
获取用户的语音指令；
对所述语音指令进行处理，获得文本命令。
在一个实施例中，所述获得所述各待处理图像对应的图像向量之后，还包括：
根据所述文本命令和所述各待处理目标对应的图像向量，确定动作序列，所述动作序列包括至少一个动作指令；
向智能体发送所述动作序列，所述动作序列用于指示所述智能体执行所述动作指令，以使所述智能体完成所述文本命令。
在一个实施例中，所述提取所述文本命令中各待处理目标的文本向量，包括：
解析所述文本命令，获得所述各待处理目标的文本信息；
对每个所述文本信息进行编码，获得每个所述待处理目标的文本向量。
在一个实施例中，所述对所述待处理图像进行处理，获得各对象的图像向量，包括：
将所述待处理图像划分成多个图像块，每个所述图像块包括一个对象；
利用掩码，提取各图像块中的所述对象，获得所述各对象的物体图像；
对每个所述物体图像进行编码，获得每个所述对象的图像向量。
在一个实施例中，所述根据所述文本向量和所述图像向量，计算所述各待处理目标与所述各对象的相似度，包括：
将各文本向量与各图像向量进行点积运算，获得相似矩阵，所述相似矩阵的元素的值用于表征一个所述文本向量与一个所述图像向量之间的相似度，元素数量与向量数量相同，所述向量数量为所述文本向量的数量与所述图像向量的数量的相乘结果。
在一个实施例中，所述根据所述文本命令和所述各待处理目标对应的图像向量，确定动作序列，包括：
针对每个所述待处理目标，根据目标元素的所述目标文本向量和目标图像向量，获得所述待处理目标和对应的图像向量，所述目标元素的值大于所述预设相似度；
根据所述待处理目标对应的图像向量，确定所述待处理目标在所述待处理图像中的位置；
根据所述文本命令和每个所述待处理目标的所述位置，确定所述动作序列。
第二方面，本申请实施例提供了一种目标识别装置，包括：
获取模块，用于获取文本命令和待处理图像；
文本处理模块，用于提取所述文本命令中各待处理目标的文本向量；
图像处理模块，用于对所述待处理图像进行处理，获得各对象的图像向量，所述图像向量用于表征所述对象的图像信息；
相似度处理模块，用于根据所述文本向量和所述图像向量，计算所述各待处理目标与所述各对象的相似度；
还用于选取目标相似度，所述目标相似度大于预设相似度；
还用于根据所述目标相似度，获得所述各待处理目标对应的图像向量。
第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面中任一项所述的方法。
本申请实施例与现有技术相比存在的有益效果是：
本申请实施例包括获取文本命令和待处理图像；提取文本命令中各待处理目标的文本向量；对待处理图像进行处理，获得各对象的图像向量，图像向量用于表征对象的图像信息；根据文本向量和图像向量，计算各待处理目标与各对象的相似度；选取目标相似度，目标相似度大于预设相似度；根据目标相似度，获得各待处理图像对应的图像向量，通过相似度，查找到与文本命令中待处理目标对应的图像向量，以能在图像中识别对应待处理目标的对象，使得图中存在未知对象也能够识别。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的目标识别方法的第一种流程示意图；
图2是本申请一实施例提供的目标识别方法的第二种流程示意图；
图3是本申请一实施例提供的获取物体图像的流程示例图；
图4是本申请一实施例提供的获取相似矩阵的流程示例图；
图5是本申请一实施例提供的目标识别装置的结构示意图；
图6是本申请一实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
图1是本申请一实施例提供的目标识别方法的第一种流程示意图。如图1所示，所述方法，包括：
S11：获取文本命令和待处理图像。
其中，文本命令中包括文本形式的待处理目标，待处理目标为待处理的对象。待处理图像包括至少一个对象。说明待处理图像包括待处理目标。
示例的，文本命令为拿苹果和香蕉，待处理目标为苹果、香蕉。图像包括香蕉、苹果、豆浆等对象。
在一种可能的实现方式中，当用户通过语音向电子设备输入所需的服务，电子设备需先对语音进行处理以获得文本命令。
具体的，步骤S11之前，包括：
S21：获取用户的语音指令。
S22：对语音指令进行处理，获得文本命令。
在应用中，可通过声音波形分析、模式匹配算法等方式，将用户的语音指令转换为可处理的文本命令。
S12：提取文本命令中各待处理目标的文本向量。
在应用中，将文本命令中文本形式表达的待处理目标提取后，用文本向量的形式表示待处理目标。
S13：对待处理图像进行处理，获得各对象的图像向量。
其中，图像向量用于表征对象的图像信息。
在应用中，基于待处理图像的图像信息，对待处理图像中对象进行处理，以图像向量的形式表示对象。
S14：根据文本向量和图像向量，计算各待处理目标与各对象的相似度。
在应用中，一个文本向量表示一个待处理目标，一个图像向量表示一个对象。每个文本向量均与全部图像向量进行计算，获得每个文本向量与全部图像向量之间的相似度，筛选与文本向量最接近的图像向量，从而在图像中选出与待处理目标对应的对象。
S15：选取目标相似度，目标相似度大于预设相似度。
在应用中，有多少个待处理目标对应有多少个目标相似度。预设相似度根据实际应用场景设置。
在一种可能的实现方式中，可预先准备标注数据集，一组数据包括文本向量和对应的图像向量。利用标注数据集训练模型，训练过程中根据标注调整阈值，以获得预设相似度。
S16：根据目标相似度，获得各待处理目标对应的图像向量。
在应用中，目标相似度对应的目标元素是由待处理目标的文本向量与对应的图像向量组成，说明该文本向量与该图像向量有关联，并将该文本向量与该图像向量绑定，进而获得各待处理目标对应的图像向量。
本申请实施例包括获取文本命令和待处理图像；提取文本命令中各待处理目标的文本向量；对待处理图像进行处理，获得各对象的图像向量，图像向量用于表征对象的图像信息；根据文本向量和图像向量，计算各待处理目标与各对象的相似度；选取目标相似度，目标相似度大于预设相似度；根据目标相似度，获得各待处理图像对应的图像向量，通过相似度，查找到与文本命令中待处理目标对应的图像向量，以能在图像中识别对应待处理目标的对象，使得图中存在未知对象也能够识别。
在一个实施例中，智能体一般通过传统的目标检测算法或分割算法进行目标检测、目标分割。这使得当智能体在现实世界中遇到未见过的类别或物体时，会无法准确进行识别和分割，从而影响智能体的应用性能。因此，本申请实施例的智能体基于实施例所述的目标识别方法进行目标检测、目标分割，以解决智能体无法准确识别、分割未知类别或物体的问题，使得智能体能够执行动作。
图2是本申请一实施例提供的目标识别方法的第二种流程示意图。如图2所示，步骤S16之后，还包括：
S17：根据文本命令和各待处理目标对应的图像向量，确定动作序列。
其中，动作序列包括至少一个动作指令。
在一种可能的实现方式中，步骤S17，包括：
S171：针对每个待处理目标，根据目标元素的目标文本向量和目标图像向量，获得待处理目标和对应的图像向量，目标元素的值大于预设相似度。
在应用中，目标文本向量和目标图像向量有关联，将目标文本向量和目标图像向量绑定。目标元素的目标文本向量表示待处理目标，进而目标图像向量为待处理目标对应的图像向量。
S172：根据待处理目标对应的图像向量，确定待处理目标在待处理图像中的位置。
具体的，图像向量用于表征对象在待处理图像中的位置，进而待处理目标对应的图像向量表征待处理目标在待处理图像中的位置。
S173：根据文本命令和每个待处理目标的位置，确定动作序列。
在应用中，将文本命令和每个待处理目标的位置输入至LLM(Large LanguageModel，大语言模型)，获得LLM输出的动作序列。
S18：向智能体发送动作序列，动作序列用于指示智能体执行动作指令，以使智能体完成文本命令。
其中，智能体为可以执行动作的智能设备，例如机械臂、机器人等。
示例的，电子设备接收到用户的语音命令“帮我把苹果放进盘子中”，对语音指令进行处理，获得文本命令。在文本命令中提取各待处理目标“苹果、盘子”的文本向量。
待处理图像包括苹果、香蕉、盘子等对象，提取对象“苹果、香蕉、盘子”的图像向量。
计算各待处理目标“苹果、盘子”的文本向量与各对象“苹果、香蕉、盘子”的图像向量之间的相似度。具体包括苹果的文本向量与苹果的图像向量的相似度，盘子的文本向量与苹果的图像向量的相似度，苹果的文本向量与香蕉的图像向量的相似度，盘子的文本向量与香蕉的图像向量的相似度，苹果的文本向量与盘子图像向量的相似度，盘子的文本向量与盘子的图像向量的相似度。
选取目标相似度，对应的选取了苹果的文本向量与苹果的图像向量的相似度，盘子的文本向量与盘子的图像向量的相似度，进而获得待处理目标苹果的图像向量，待处理目标盘子的图像向量。
根据待处理目标苹果的图像向量和待处理目标盘子的图像向量确定苹果的位置和盘子的位置。将文本命令，苹果的位置和盘子的位置输入至LLM，获得LLM输出的动作序列，动作序列包括“移动到苹果位置”、“抓住苹果”、“移动到盘子位置”、“放下苹果”等，并将动作序列传输到智能体。
在一个实施例中，步骤S12，包括：
S121：解析文本命令，获得各待处理目标的文本信息。
在应用中，利用自然语言处理技术，例如命名实体识别法、语法分析，从文本命令中提取各待处理目标的文本信息。
S122：对每个文本信息进行编码，获得每个待处理目标的文本向量。
在应用中，利用编码器或模型，对文本信息进行编码，获得每个待处理目标的文本向量。
在一个实施例中，S13，包括：
S131：将待处理图像划分成多个图像块，每个图像块包括一个对象。
S132：利用掩码，提取各图像块中的对象，获得各对象的物体图像。
在应用中，步骤S132，包括：
S31：针对每个图像块，利用掩码，获得图像块中对象所在的图像区域。
在应用中，每个图像块的掩膜具体根据对象生成。对每个图像块进行掩膜处理，获得图像块中对象所在的图像区域。
S32：根据对象所在的图像区域，生成对应的物体图像。
在应用中，保留对象所在的图像区域并进行裁剪，将图像块中其他的区域设置为预设背景，获得物体图像。
图3是本申请一实施例提供的物体图像的示例图。如图3所示，待处理图像中包括香蕉、苹果、豆浆，经过划分、掩膜提取步骤，获得各对象的物体图像。
S133：对每个物体图像进行编码，获得每个对象的图像向量。
在应用中，利用编码器或模型，对物体图像进行编码，获得每个对象的图像向量。
在一个实施例中，步骤S14，包括：
将各文本向量与各图像向量进行点积运算，获得相似矩阵，相似矩阵的元素的值用于表征一个文本向量与一个图像向量之间的相似度，元素数量与向量数量相同，向量数量为文本向量的数量与图像向量的数量的相乘结果。
其中，相似矩阵为二维的实数矩阵。
图4是本申请一实施例提供的获取相似矩阵的流程示例图。如图4所示，经过编码，获得待处理目标“苹果、香蕉”的文本向量与对象“香蕉、苹果、豆浆”的图像向量。将各文本向量与各图像向量进行点积运算，获得相似矩阵。相似矩阵包括6个元素。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的方法，为了便于说明，仅示出了与本申请实施例相关的部分。
图5是本申请一实施例提供的目标识别装置的结构示意图。如图5所示，所述装置，包括：
获取模块10，用于获取文本命令和待处理图像；
文本处理模块11，用于提取文本命令中各待处理目标的文本向量；
图像处理模块12，用于对待处理图像进行处理，获得各对象的图像向量，图像向量用于表征对象的图像信息；
相似度处理模块13，用于根据文本向量和图像向量，计算各待处理目标与各对象的相似度；
还用于选取目标相似度，目标相似度大于预设相似度；
还用于根据目标相似度，获得各待处理目标对应的图像向量。
在一个实施例中，所述装置，还包括：
指令处理模块，用于获取用户的语音指令；对语音指令进行处理，获得文本命令。
在一个实施例中，文本处理模块，具体用于解析文本命令，获得各待处理目标的文本信息；对每个文本信息进行编码，获得每个待处理目标的文本向量。
在一个实施例中，所述装置，还包括：
动作生成模块，用于根据文本命令和各待处理目标对应的图像向量，确定动作序列，动作序列包括至少一个动作指令；向智能体发送动作序列，动作序列用于指示智能体执行动作指令，以使智能体完成文本命令。
在一个实施例中，动作生成模块，具体用于针对每个待处理目标，根据目标元素的目标文本向量和目标图像向量，获得待处理目标和对应的图像向量，目标元素的值大于预设相似度；根据待处理目标对应的图像向量，确定待处理目标在待处理图像中的位置；根据文本命令和每个待处理目标的位置，确定动作序列。
在一个实施例中，图像处理模块，具体用于将待处理图像划分成多个图像块，每个图像块包括一个对象；利用掩码，提取各图像块中的对象，获得各对象的物体图像；对每个物体图像进行编码，获得每个对象的图像向量。
在一个实施例中，相似度处理模块，具体用于将各文本向量与各图像向量进行点积运算，获得相似矩阵，相似矩阵的元素的值用于表征一个文本向量与一个图像向量之间的相似度，元素数量与向量数量相同，向量数量为文本向量的数量与图像向量的数量的相乘结果。
图6为本申请一实施例提供的电子设备的结构示意图。如图6所示，该实施例的电子设备2包括：至少一个处理器20(图6中仅示出一个)、存储器21以及存储在所述存储器21中并可在所述至少一个处理器20上运行的计算机程序22，所述处理器20执行所述计算机程序22时实现上述任意各个方法实施例中的步骤。
所述电子设备2可以是桌上型计算机及云端服务器等计算设备。该电子设备2可包括，但不仅限于，处理器20、存储器21。本领域技术人员可以理解，图6仅仅是电子设备2的举例，并不构成对电子设备2的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器20可以是中央处理单元(Central Processing Unit，CPU)，该处理器20还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器21在一些实施例中可以是所述电子设备2的内部存储单元，例如电子设备2的硬盘或内存。所述存储器21在另一些实施例中也可以是所述电子设备2的外部存储设备，例如所述电子设备2上配备的插接式硬盘，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21还可以既包括所述电子设备2的内部存储单元也包括外部存储设备。所述存储器21用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器21还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、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，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行时可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种目标识别方法，其特征在于，包括：
获取文本命令和待处理图像；
提取所述文本命令中各待处理目标的文本向量；
对所述待处理图像进行处理，获得各对象的图像向量，所述图像向量用于表征所述对象的图像信息；
根据所述文本向量和所述图像向量，计算所述各待处理目标与所述各对象的相似度；
选取目标相似度，所述目标相似度大于预设相似度；
根据所述目标相似度，获得所述各待处理目标对应的图像向量。
2.根据权利要求1所述的方法，其特征在于，获取文本命令之前，还包括：
获取用户的语音指令；
对所述语音指令进行处理，获得文本命令。
3.根据权利要求1所述的方法，其特征在于，所述获得所述各待处理图像对应的图像向量之后，还包括：
根据所述文本命令和所述各待处理目标对应的图像向量，确定动作序列，所述动作序列包括至少一个动作指令；
向智能体发送所述动作序列，所述动作序列用于指示所述智能体执行所述动作指令，以使所述智能体完成所述文本命令。
4.根据权利要求1所述的方法，其特征在于，所述提取所述文本命令中各待处理目标的文本向量，包括：
解析所述文本命令，获得所述各待处理目标的文本信息；
对每个所述文本信息进行编码，获得每个所述待处理目标的文本向量。
5.根据权利要求1所述的方法，其特征在于，所述对所述待处理图像进行处理，获得各对象的图像向量，包括：
将所述待处理图像划分成多个图像块，每个所述图像块包括一个对象；
利用掩码，提取各图像块中的所述对象，获得所述各对象的物体图像；
对每个所述物体图像进行编码，获得每个所述对象的图像向量。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述根据所述文本向量和所述图像向量，计算所述各待处理目标与所述各对象的相似度，包括：
将各文本向量与各图像向量进行点积运算，获得相似矩阵，所述相似矩阵的元素的值用于表征一个所述文本向量与一个所述图像向量之间的相似度，元素数量与向量数量相同，所述向量数量为所述文本向量的数量与所述图像向量的数量的相乘结果。
7.根据权利要求3所述的方法，其特征在于，所述根据所述文本命令和所述各待处理目标对应的图像向量，确定动作序列，包括：
针对每个所述待处理目标，根据目标元素的所述目标文本向量和目标图像向量，获得所述待处理目标和对应的图像向量，所述目标元素的值大于所述预设相似度；
根据所述待处理目标对应的图像向量，确定所述待处理目标在所述待处理图像中的位置；
根据所述文本命令和每个所述待处理目标的所述位置，确定所述动作序列。
8.一种目标识别装置，其特征在于，包括：
获取模块，用于获取文本命令和待处理图像；
文本处理模块，用于提取所述文本命令中各待处理目标的文本向量；
图像处理模块，用于对所述待处理图像进行处理，获得各对象的图像向量，所述图像向量用于表征所述对象的图像信息；
相似度处理模块，用于根据所述文本向量和所述图像向量，计算所述各待处理目标与所述各对象的相似度；
还用于选取目标相似度，所述目标相似度大于预设相似度；
还用于根据所述目标相似度，获得所述各待处理目标对应的图像向量。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述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任一项所述的方法。
CN202310786578.3A 2023-06-29 2023-06-29 一种目标识别方法、装置、电子设备及可读存储介质 Pending CN116844006A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310786578.3A CN116844006A (zh) 2023-06-29 2023-06-29 一种目标识别方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310786578.3A CN116844006A (zh) 2023-06-29 2023-06-29 一种目标识别方法、装置、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN116844006A true CN116844006A (zh) 2023-10-03

Family

ID=88162800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310786578.3A Pending CN116844006A (zh) 2023-06-29 2023-06-29 一种目标识别方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN116844006A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117312598A (zh) * 2023-11-27 2023-12-29 广东利通科技投资有限公司 逃费稽核的取证方法、装置、计算机设备和存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117312598A (zh) * 2023-11-27 2023-12-29 广东利通科技投资有限公司 逃费稽核的取证方法、装置、计算机设备和存储介质
CN117312598B (zh) * 2023-11-27 2024-04-09 广东利通科技投资有限公司 逃费稽核的取证方法、装置、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
CN110020592B (zh) 物体检测模型训练方法、装置、计算机设备及存储介质
CN110781784A (zh) 基于双路注意力机制的人脸识别方法、装置及设备
CN108304859B (zh) 图像识别方法及云端系统
Hassaballah et al. Detection and description of image features: an introduction
CN110287936B (zh) 图像检测方法、装置、设备及存储介质
US20210097692A1 (en) Data filtering of image stacks and video streams
CN116844006A (zh) 一种目标识别方法、装置、电子设备及可读存储介质
CN113015022A (zh) 行为识别方法、装置、终端设备及计算机可读存储介质
CN113435499B (zh) 标签分类方法、装置、电子设备和存储介质
CN112712005B (zh) 识别模型的训练方法、目标识别方法及终端设备
CN112418089A (zh) 一种手势识别方法、装置及终端
CN110659631A (zh) 车牌识别方法和终端设备
KR102399673B1 (ko) 어휘 트리에 기반하여 객체를 인식하는 방법 및 장치
CN113723431B (zh) 图像识别方法、装置以及计算机可读存储介质
CN115439733A (zh) 图像处理方法、装置、终端设备及计算机可读存储介质
CN110287943B (zh) 图像的对象识别方法、装置、电子设备及存储介质
CN113627576A (zh) 扫码信息检测方法、装置、设备及存储介质
CN112989869B (zh) 人脸质量检测模型的优化方法、装置、设备及存储介质
CN113705468A (zh) 基于人工智能的数字图像识别方法及相关设备
CN109325432B (zh) 一种三维对象的识别方法、设备及计算机可读储存介质
CN111191665A (zh) 图像分类方法、装置及电子设备
CN116912634B (zh) 目标追踪模型的训练方法及装置
CN112966718B (zh) 图像识别方法、装置及通信设备
CN112749625B (zh) 时序行为检测方法、时序行为检测装置及终端设备
CN116912920B (zh) 表情识别方法及装置

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