CN116883715A - 一种数据处理方法及其装置 - Google Patents

一种数据处理方法及其装置 Download PDF

Info

Publication number
CN116883715A
CN116883715A CN202310627422.0A CN202310627422A CN116883715A CN 116883715 A CN116883715 A CN 116883715A CN 202310627422 A CN202310627422 A CN 202310627422A CN 116883715 A CN116883715 A CN 116883715A
Authority
CN
China
Prior art keywords
image
representation
target feature
feature representation
target
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
CN202310627422.0A
Other languages
English (en)
Inventor
李卫
张国阳
陈立宇
胡杰
刘君超
陈汉亭
王云鹤
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies 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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN202310627422.0A priority Critical patent/CN116883715A/zh
Publication of CN116883715A publication Critical patent/CN116883715A/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
    • G06V10/764—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
    • 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
    • G06N3/0895—Weakly supervised learning, e.g. semi-supervised or self-supervised learning
    • 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
    • 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
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • 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
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06V10/7753—Incorporation of unlabelled data, e.g. multiple instance learning [MIL]
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • 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
    • G06V2201/09—Recognition of logos

Landscapes

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

Abstract

一种数据处理方法，应用于图像处理，方法包括：获取第一图像和第二图像；第一图像和第二图像包含文本；通过第一神经网络，得到第一图像和第二图像的图像特征；通过第二神经网络，得到第一图像和第二图像中包含的文本的文本特征，将第一特征表示和第三特征表示融合得到第一目标特征表示；将第二特征表示和第四特征表示融合得到第二目标特征表示；根据第一目标特征表示和第二目标特征表示之间的关系，确定损失，并根据损失更新第一神经网络。本申请通过提取包含文本的图像的图像特征以及文本特征，并将图像特征和文本特征进行融合，利用融合后的特征表示进行模型的更新，可以提高训练后的模型对包含文本的图像的识别精度。

Description

一种数据处理方法及其装置
技术领域
本申请涉及人工智能领域，尤其涉及一种数据处理方法及其装置。
背景技术
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。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
商标识别在电子商务，机器视觉中有广泛应用，典型的有版权鉴别，品牌识别，商品搜索和推荐等应用。商标识别在众多工业视觉场景都有广泛的应用，例如目标客户识别，危化品标志识别，商品查验等。
现有的基于目标检测的商标识别算法，从输入图像中用目标提取模型检测出所有可能是目标的图像区域作为候选，紧接着利用图像分类网络对候选区域进行分类，输出目标商标预测或者输出没有商标的预测。然而，现有的图像分类网络只采用图像特征进行商标识别，从而导致商标识别的精度较差。
发明内容
本申请提供了一种数据处理方法，可以提高模型对于包含文本的图像的识别精度。
第一方面，本申请提供了一种数据处理方法，包括：获取第一图像，所述第一图像包含文本；通过第一神经网络，处理所述第一图像，得到第一特征表示；所述第一特征表示为所述第一图像的图像特征；通过第二神经网络，处理所述第一图像，得到第二特征表示；所述第二特征表示为所述第一图像中包含的文本的文本特征；将所述第一特征表示和所述第二特征表示融合得到第一目标特征表示；根据所述第一目标特征表示，确定所述第一图像的类别。
通过上述方式，即提取包含文本的图像的图像特征，也提取文本的文本特征，并将图像特征和文本特征进行融合，利用融合后的特征表示进行商标识别，可以提高模型对于包含文本的图像的识别精度。
在一种可能的实现中，所述第一图像为商标，所述根据所述第一目标特征表示，确定所述第一图像的类别，包括：根据所述第一目标特征表示和多个预设的特征表示之间的相似度，确定所述商标的类别；每个预设的特征表示为对一个类别的商标进行特征提取得到的。
在一种可能的实现中，所述方法还包括：将所述第二特征表示和所述第一特征表示进行维度对齐；所述将所述第一特征表示和所述第二特征表示融合得到第一目标特征表示，包括：将维度对齐后的所述第一特征表示和所述第二特征表示融合得到第一目标特征表示。
在一种可能的实现中，所述第一目标特征表示和每个所述预设的特征表示为映射到双曲空间中的特征。双曲度量空间可以以适应多层级数据结构。
第二方面，本申请实施例提供了一种数据处理方法，包括：获取第一图像和第二图像；所述第一图像和所述第二图像包含文本；通过第一神经网络，分别处理所述第一图像和所述第二图像，得到第一特征表示和第二特征表示；所述第一特征表示为所述第一图像的图像特征，所述第二特征表示为所述第二图像的图像特征；通过第二神经网络，分别处理所述第一图像和所述第二图像，得到第三特征表示和第四特征表示；所述第一特征表示为所述第一图像中包含的文本的文本特征，所述第二特征表示为所述第二图像中包含的文本的文本特征；将所述第一特征表示和所述第三特征表示融合得到第一目标特征表示；将所述第二特征表示和所述第四特征表示融合得到第二目标特征表示；根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，并根据所述损失更新所述第一神经网络。
通过上述方式，即提取包含文本的图像的图像特征，也提取文本的文本特征，并将图像特征和文本特征进行融合，利用融合后的特征表示进行商标识别，可以提高模型对于包含文本的图像的识别精度。
在一种可能的实现中，所述第一图像和所述第二图像包含商标。
在一种可能的实现中，所述第一图像和第二图像包括同一个商标的不同样式；所述根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，包括：根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的第一距离。
在一种可能的实现中，所述第一图像和第二图像包括不同的商标；所述根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，包括：根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的第二距离；且所述第二距离的拉远程度大于所述第一距离的拉远程度。相比第一图像和第二图像包括同一个商标的不同样式，在第一图像和第二图像包括不同的商标时，图像包括的商标之间的差异更大，因此对比学习时特征之间的拉远程度需要更高一点。
在一种可能的实现中，所述第一图像和第二图像包括同一个商标的相同样式，所述根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，包括：根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉近所述第一目标特征表示和所述第二目标特征表示之间的距离。
在一种可能的实现中，所述第一图像和所述第二图像为通过检测网络对原始图像进行目标检测后裁剪得到的，且所述第一图像为所述检测网络可以识别出目标的图像，所述第二图像为所述检测网络不可识别出目标的图像；所述根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，包括：根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的距离。
在一种可能的实现中，所述第一图像和所述第二图像为通过检测网络对原始图像进行目标检测后裁剪得到的，且所述第一图像和所述第二图像为所述检测网络均不可以识别出目标的图像；所述根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，包括：根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉近所述第一目标特征表示和所述第二目标特征表示之间的距离。
本申请实施例中，通过设计多层级对比损失函数，在不同层级上分别设计对比学习损失函数，增强在不同层级之间的可判别性；将噪声(负)样本和正样本进行对比学习，显著改善了噪声干扰问题。
在一种可能的实现中，所述第一目标特征表示和所述第二目标特征表示为映射到双曲空间中的特征。
第三方面，本申请提供了一种数据处理装置，包括：
处理模块，用于获取第一图像，所述第一图像包含文本；
通过第一神经网络，处理所述第一图像，得到第一特征表示；所述第一特征表示为所述第一图像的图像特征；
通过第二神经网络，处理所述第一图像，得到第二特征表示；所述第二特征表示为所述第一图像中包含的文本的文本特征；
将所述第一特征表示和所述第二特征表示融合得到第一目标特征表示；
根据所述第一目标特征表示，确定所述第一图像的类别。
在一种可能的实现中，所述第一图像为商标，所述根据所述第一目标特征表示，确定所述第一图像的类别，包括：
根据所述第一目标特征表示和多个预设的特征表示之间的相似度，确定所述商标的类别；每个预设的特征表示为对一个类别的商标进行特征提取得到的。
在一种可能的实现中，所述处理模块，还用于：将所述第二特征表示和所述第一特征表示进行维度对齐；
所述处理模块，具体用于：将维度对齐后的所述第一特征表示和所述第二特征表示融合得到第一目标特征表示。
在一种可能的实现中，所述第一目标特征表示和每个所述预设的特征表示为映射到双曲空间中的特征。
第四方面，本申请提供了一种数据处理装置，包括：
处理模块，用于获取第一图像和第二图像；所述第一图像和所述第二图像包含文本；
通过第一神经网络，分别处理所述第一图像和所述第二图像，得到第一特征表示和第二特征表示；所述第一特征表示为所述第一图像的图像特征，所述第二特征表示为所述第二图像的图像特征；
通过第二神经网络，分别处理所述第一图像和所述第二图像，得到第三特征表示和第四特征表示；所述第一特征表示为所述第一图像中包含的文本的文本特征，所述第二特征表示为所述第二图像中包含的文本的文本特征；
将所述第一特征表示和所述第三特征表示融合得到第一目标特征表示；
将所述第二特征表示和所述第四特征表示融合得到第二目标特征表示；
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，并根据所述损失更新所述第一神经网络。
在一种可能的实现中，所述第一图像和所述第二图像包括商标。
在一种可能的实现中，所述第一图像和第二图像包括同一个商标的不同样式；所述处理模块，具体用于：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的第一距离。
在一种可能的实现中，所述第一图像和第二图像包括不同的商标；所述处理模块，具体用于：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的第二距离；且所述第二距离的拉远程度大于所述第一距离的拉远程度。
在一种可能的实现中，所述第一图像和第二图像包括同一个商标的相同样式，所述处理模块，具体用于：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉近所述第一目标特征表示和所述第二目标特征表示之间的距离。
在一种可能的实现中，所述第一图像和所述第二图像为通过检测网络对原始图像进行目标检测后裁剪得到的，且所述第一图像为所述检测网络可以识别出目标的图像，所述第二图像为所述检测网络不可识别出目标的图像；
所述处理模块，具体用于：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的距离。
在一种可能的实现中，所述第一图像和所述第二图像为通过检测网络对原始图像进行目标检测后裁剪得到的，且所述第一图像和所述第二图像为所述检测网络均不可以识别出目标的图像；所述处理模块，具体用于：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉近所述第一目标特征表示和所述第二目标特征表示之间的距离。
在一种可能的实现中，所述第一目标特征表示和所述第二目标特征表示为映射到双曲空间中的特征。
第五方面，本申请实施例提供了一种数据处理装置，可以包括存储器、处理器以及总线系统，其中，存储器用于存储程序，处理器用于执行存储器中的程序，以执行如上述第一方面及其任一可选的方法、以及如上述第二方面及其任一可选的方法。
第六方面，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中存储有计算机程序，当其在计算机上运行时，使得计算机执行上述第一方面及其任一可选的方法、以及上述第二方面及其任一可选的方法。
第七方面，本申请实施例提供了一种计算机程序，当其在计算机上运行时，使得计算机执行上述第一方面及其任一可选的方法、以及上述第二方面及其任一可选的方法。
第八方面，本申请提供了一种芯片系统，该芯片系统包括处理器，用于支持执行数据处理装置实现上述方面中所涉及的功能，例如，发送或处理上述方法中所涉及的数据；或，信息。在一种可能的设计中，所述芯片系统还包括存储器，所述存储器，用于保存执行设备或训练设备必要的程序指令和数据。该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。
附图说明
图1A为人工智能主体框架的一种结构示意图；
图1B至图1C为本申请的应用系统框架示意；
图2为终端的一种可选的硬件结构示意图；
图3为一种服务器的结构示意图；
图4为本申请的一种系统架构示意；
图5为一种云服务的流程；
图6为本申请实施例提供的一种数据处理方法的流程示意；
图7至图11A为本申请实施例提供的一种数据处理方法的流程示意；
图11B和图11C为一种数据分布示意；
图11D为本申请实施例提供的一种数据处理方法的流程示意；
图11E为一种数据分布示意；
图11F为本申请实施例提供的一种数据处理方法的流程示意；
图12为本申请实施例提供的数据处理装置的一种结构示意图；
图13为本申请实施例提供的执行设备的一种结构示意图；
图14为本申请实施例提供的训练设备一种结构示意图；
图15为本申请实施例提供的芯片的一种结构示意图。
具体实施方式
下面结合本申请实施例中的附图对本申请实施例进行描述。本申请的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释，而非旨在限定本申请。
下面结合附图，对本申请的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
本文中所用用语“基本(substantially)”、“大约(about)”及类似用语用作近似用语、而并非用作程度用语，且旨在考虑到所属领域中的普通技术人员将知的测量值或计算值的固有偏差。此外，在阐述本申请实施例时使用“可(may)”是指“可能的一个或多个实施例”。本文中所用用语“使用(use)”、“正使用(using)”、及“被使用(used)”可被视为分别与用语“利用(utilize)”、“正利用(utilizing)”、及“被利用(utilized)”同义。另外，用语“示例性(exemplary)”旨在指代实例或例示。
首先对人工智能系统总体工作流程进行描述，请参见图1A，图1A示出的为人工智能主体框架的一种结构示意图，下面从“智能信息链”(水平轴)和“IT价值链”(垂直轴)两个维度对上述人工智能主题框架进行阐述。其中，“智能信息链”反映从数据的获取到处理的一列过程。举例来说，可以是智能信息感知、智能信息表示与形成、智能推理、智能决策、智能执行与输出的一般过程。在这个过程中，数据经历了“数据—信息—知识—智慧”的凝练过程。“IT价值链”从人智能的底层基础设施、信息(提供和处理技术实现)到系统的产业生态过程，反映人工智能为信息技术产业带来的价值。
(1)基础设施
基础设施为人工智能系统提供计算能力支持，实现与外部世界的沟通，并通过基础平台实现支撑。通过传感器与外部沟通；计算能力由智能芯片(CPU、NPU、GPU、ASIC、FPGA等硬件加速芯片)提供；基础平台包括分布式计算框架及网络等相关的平台保障和支持，可以包括云存储和计算、互联互通网络等。举例来说，传感器和外部沟通获取数据，这些数据提供给基础平台提供的分布式计算系统中的智能芯片进行计算。
(2)数据
基础设施的上一层的数据用于表示人工智能领域的数据来源。数据涉及到图形、图像、语音、文本，还涉及到传统设备的物联网数据，包括已有系统的业务数据以及力、位移、液位、温度、湿度等感知数据。
(3)数据处理
数据处理通常包括数据训练，机器学习，深度学习，搜索，推理，决策等方式。
其中，机器学习和深度学习可以对数据进行符号化和形式化的智能信息建模、抽取、预处理、训练等。
推理是指在计算机或智能系统中，模拟人类的智能推理方式，依据推理控制策略，利用形式化的信息进行机器思维和求解问题的过程，典型的功能是搜索与匹配。
决策是指智能信息经过推理后进行决策的过程，通常提供分类、排序、预测等功能。
(4)通用能力
对数据经过上面提到的数据处理后，进一步基于数据处理的结果可以形成一些通用的能力，比如可以是算法或者一个通用系统，例如，翻译，文本的分析，计算机视觉的处理，语音识别，图像的识别等等。
(5)智能产品及行业应用
智能产品及行业应用指人工智能系统在各领域的产品和应用，是对人工智能整体解决方案的封装，将智能信息决策产品化、实现落地应用，其应用领域主要包括：智能终端、智能交通、智能医疗、自动驾驶、智慧城市等。
本申请可以应用于人工智能领域的图像处理领域中，下面以图像处理为例将对多个落地到产品的多个应用场景进行介绍。
首先介绍本申请的应用场景。
本申请可以但不限于应用在图像处理功能的应用程序(以下可以简称为图像处理类应用程序)或者云侧服务器提供的云服务等，接下来分别进行介绍：
一、图像处理类应用程序：
本申请实施例的产品形态可以为图像处理类应用程序，特别的，可以为商标识别类应用程序。具备商标识别功能的应用程序可以运行在终端设备或者云侧的服务器上。
在一种可能的实现中，商标识别类应用程序可以实现基于输入的图像进行商标识别等任务，得到处理结果，处理结果可以是商标识别结果(例如对于图像中商标所在区域的裁剪区域以及商标的类别，例如属于哪个厂商)。
在一种可能的实现中，用户可以打开终端设备上安装的图像处理类应用程序，并输入图像，图像处理类应用程序可以通过本申请实施例提供的方法对图像进行处理，并将处理结果呈现给用户(呈现方式可以但不限于是显示、保存、上传到云侧等)。
在一种可能的实现中，用户可以打开终端设备上安装的图像处理类应用程序，并输入图像，图像处理类应用程序可以将图像发送至云侧的服务器，云侧的服务器通过本申请实施例提供的方法对图像进行处理，并将处理结果回传至终端设备，终端设备可以将处理结果呈现给用户(呈现方式可以但不限于是显示、保存、上传到云侧等)。
接下来分别从功能架构以及实现功能的产品架构介绍本申请实施例中的图像处理类应用程序。
参照图1B，图1B为本申请实施例中图像处理类应用程序的功能架构示意：
在一种可能的实现中，如图1B所示，图像处理类应用程序102可接收输入的参数101(例如包含图像)且产生处理结果103。图像处理类应用程序102可在(举例来说)至少一个计算机系统上执行，且包括计算机代码，所述计算机代码在由一或多个计算机执行时致使所述计算机执行用于执行本申请实施例提供的方法。
参照图1C，图1C为本申请实施例中运行图像处理类应用程序的实体架构示意：
参见图1C，图1C示出了一种系统架构示意图。该系统可以包括终端100、以及服务器200。其中，服务器200可以包括一个或者多个服务器(图1C中以包括一个服务器作为示例进行说明)，服务器200可以为一个或者多个终端提供本申请实施例提供的方法。
其中，终端100上可以安装有图像处理类应用程序，上述应用程序和网页可以提供一个界面，终端100可以接收用户在商标识别界面上输入的相关参数，并将上述参数发送至服务器200，服务器200可以基于接收到的参数，得到处理结果，并将处理结果返回至至终端100。
应理解，在一些可选的实现中，终端100也可以由自身完成基于接收到的参数，得到处理结果的动作，而不需要服务器配合实现，本申请实施例并不限定。
接下来描述图1C中终端100的产品形态；
本申请实施例中的终端100可以为手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、个人数字助理(personaldigital assistant，PDA)等，本申请实施例对此不作任何限制。
图2示出了终端100的一种可选的硬件结构示意图。
参考图2所示，终端100可以包括射频单元110、存储器120、输入单元130、显示单元140、摄像头150(可选的)、音频电路160(可选的)、扬声器161(可选的)、麦克风162(可选的)、处理器170、外部接口180、电源190等部件。本领域技术人员可以理解，图2仅仅是终端或多功能设备的举例，并不构成对终端或多功能设备的限定，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。
输入单元130可用于接收输入的数字或字符信息，以及产生与该便携式多功能装置的用户设置以及功能控制有关的键信号输入。具体地，输入单元130可包括触摸屏131(可选的)和/或其他输入设备132。该触摸屏131可收集用户在其上或附近的触摸操作(比如用户使用手指、关节、触笔等任何适合的物体在触摸屏上或在触摸屏附近的操作)，并根据预先设定的程序驱动相应的连接装置。触摸屏可以检测用户对触摸屏的触摸动作，将该触摸动作转换为触摸信号发送给该处理器170，并能接收该处理器170发来的命令并加以执行；该触摸信号至少包括触点坐标信息。该触摸屏131可以提供该终端100和用户之间的输入界面和输出界面。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类别实现触摸屏。除了触摸屏131，输入单元130还可以包括其他输入设备。具体地，其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
其中，输入设备132可以接收到输入的图像等等。
该显示单元140可用于显示由用户输入的信息或提供给用户的信息、终端100的各种菜单、交互界面、文件显示和/或任意一种多媒体文件的播放。在本申请实施例中，显示单元140可用于显示图像处理类应用程序的界面、处理结果等。
该存储器120可用于存储指令和数据，存储器120可主要包括存储指令区和存储数据区，存储数据区可存储各种数据，如多媒体文件、文本等；存储指令区可存储操作系统、应用、至少一个功能所需的指令等软件单元，或者他们的子集、扩展集。还可以包括非易失性随机存储器；向处理器170提供包括管理计算处理设备中的硬件、软件以及数据资源，支持控制软件和应用。还用于多媒体文件的存储，以及运行程序和应用的存储。
处理器170是终端100的控制中心，利用各种接口和线路连接整个终端100的各个部分，通过运行或执行存储在存储器120内的指令以及调用存储在存储器120内的数据，执行终端100的各种功能和处理数据，从而对终端设备进行整体控制。可选的，处理器170可包括一个或多个处理单元；优选的，处理器170可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器170中。在一些实施例中，处理器、存储器、可以在单一芯片上实现，在一些实施例中，他们也可以在独立的芯片上分别实现。处理器170还可以用于产生相应的操作控制信号，发给计算处理设备相应的部件，读取以及处理软件中的数据，尤其是读取和处理存储器120中的数据和程序，以使其中的各个功能模块执行相应的功能，从而控制相应的部件按指令的要求进行动作。
其中，存储器120可以用于存储数据处理方法相关的软件代码，处理器170可以执行芯片的数据处理方法的步骤，也可以调度其他单元(例如上述输入单元130以及显示单元140)以实现相应的功能。
该射频单元110(可选的)可用于收发信息或通话过程中信号的接收和发送，例如，将基站的下行信息接收后，给处理器170处理；另外，将设计上行的数据发送给基站。通常，RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier，LNA)、双工器等。此外，射频单元110还可以通过无线通信与网络设备和其他设备通信。该无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(Global System of Mobile communication，GSM)、通用分组无线服务(General PacketRadio Service，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband Code Division Multiple Access，WCDMA)、长期演进(Long Term Evolution，LTE)、电子邮件、短消息服务(Short Messaging Service，SMS)等。
其中，在本申请实施例中，该射频单元110可以将图像发送至服务器200，并接收到服务器200发送的处理结果。
应理解，该射频单元110为可选的，其可以被替换为其他通信接口，例如可以是网口。
终端100还包括给各个部件供电的电源190(比如电池)，优选的，电源可以通过电源管理系统与处理器170逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
终端100还包括外部接口180，该外部接口可以是标准的Micro USB接口，也可以使多针连接器，可以用于连接终端100与其他装置进行通信，也可以用于连接充电器为终端100充电。
尽管未示出，终端100还可以包括闪光灯、无线保真(wireless fidelity，WiFi)模块、蓝牙模块、不同功能的传感器等，在此不再赘述。下文中描述的部分或全部方法均可以应用在如图2所示的终端100中。
接下来描述图1C中服务器200的产品形态；
图3提供了一种服务器200的结构示意图，如图3所示，服务器200包括总线201、处理器202、通信接口203和存储器204。处理器202、存储器204和通信接口203之间通过总线201通信。
总线201可以是外设部件互连标准(peripheral component interconnect，PCI)总线或扩展工业标准结构(extended industry standard architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类别的总线。
处理器202可以为中央处理器(central processing unit，CPU)、图形处理器(graphics processing unit，GPU)、微处理器(micro processor，MP)或者数字信号处理器(digital signal processor，DSP)等处理器中的任意一种或多种。
存储器204可以包括易失性存储器(volatile memory)，例如随机存取存储器(random access memory，RAM)。存储器204还可以包括非易失性存储器(non-volatilememory)，例如只读存储器(read-only memory，ROM)，快闪存储器，机械硬盘(hard drivedrive，HDD)或固态硬盘(solid state drive，SSD)。
其中，存储器204可以用于存储数据处理方法相关的软件代码，处理器202可以执行芯片的数据处理方法的步骤，也可以调度其他单元以实现相应的功能。
应理解，上述终端100和服务器200可以为集中式或者是分布式的设备，上述终端100和服务器200中的处理器(例如处理器170以及处理器202)可以为硬件电路(如专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field-programmable gate array，FPGA)、通用处理器、数字信号处理器(digital signalprocessing，DSP)、微处理器或微控制器等等)、或这些硬件电路的组合，例如，处理器可以为具有执行指令功能的硬件系统，如CPU、DSP等，或者为不具有执行指令功能的硬件系统，如ASIC、FPGA等，或者为上述不具有执行指令功能的硬件系统以及具有执行指令功能的硬件系统的组合。
应理解，本申请实施例中的和模型推理过程相关的步骤涉及AI相关的运算，在执行AI运算时，终端设备和服务器的指令执行架构不仅仅局限在上述介绍的处理器结合存储器的架构。下面结合图4对本申请实施例提供的系统架构进行详细的介绍。
图4为本申请实施例提供的系统架构示意图。如图4所示，系统架构500包括执行设备510、训练设备520、数据库530、客户设备540、数据存储系统550以及数据采集系统560。
执行设备510包括计算模块511、I/O接口512、预处理模块513和预处理模块514。计算模块511中可以包括目标模型/规则501，预处理模块513和预处理模块514是可选的。
其中，执行设备510可以为上述运行图像处理类应用程序的终端设备或者服务器。
数据采集设备560用于采集训练样本。训练样本可以为多个图像等。在采集到训练样本之后，数据采集设备560将这些训练样本存入数据库530。
训练设备520可以基于数据库530中维护训练样本，对待训练的神经网络(例如本申请实施例中的第一神经网络、第二神经网络(可选的)、第三神经网络等，以得到目标模型/规则501。
应理解，训练设备520可以基于数据库530中维护训练样本，对待训练的神经网络进行预训练过程，或者是在预训练的基础上进行模型的微调。
需要说明的是，在实际应用中，数据库530中维护的训练样本不一定都来自于数据采集设备560的采集，也有可能是从其他设备接收得到的。另外需要说明的是，训练设备520也不一定完全基于数据库530维护的训练样本进行目标模型/规则501的训练，也有可能从云端或其他地方获取训练样本进行模型训练，上述描述不应该作为对本申请实施例的限定。
根据训练设备520训练得到的目标模型/规则501可以应用于不同的系统或设备中，如应用于图4所示的执行设备510，该执行设备510可以是终端，如手机终端，平板电脑，笔记本电脑，增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备，车载终端等，还可以是服务器等。
具体的，训练设备520可以将训练后的模型传递至执行设备510。
在图4中，执行设备510配置输入/输出(input/output，I/O)接口512，用于与外部设备进行数据交互，用户可以通过客户设备540向I/O接口512输入数据(例如本申请实施例中的图像等)。
预处理模块513和预处理模块514用于根据I/O接口512接收到的输入数据进行预处理。应理解，可以没有预处理模块513和预处理模块514或者只有的一个预处理模块。当不存在预处理模块513和预处理模块514时，可以直接采用计算模块511对输入数据进行处理。
在执行设备510对输入数据进行预处理，或者在执行设备510的计算模块511执行计算等相关的处理过程中，执行设备510可以调用数据存储系统550中的数据、代码等以用于相应的处理，也可以将相应处理得到的数据、指令等存入数据存储系统550中。
最后，I/O接口512将处理结果提供给客户设备540，从而提供给用户。
在图4所示情况下，用户可以手动给定输入数据，该“手动给定输入数据”可以通过I/O接口512提供的界面进行操作。另一种情况下，客户设备540可以自动地向I/O接口512发送输入数据，如果要求客户设备540自动发送输入数据需要获得用户的授权，则用户可以在客户设备540中设置相应权限。用户可以在客户设备540查看执行设备510输出的结果，具体的呈现形式可以是显示、声音、动作等具体方式。客户设备540也可以作为数据采集端，采集如图所示输入I/O接口512的输入数据及输出I/O接口512的输出结果作为新的样本数据，并存入数据库530。当然，也可以不经过客户设备540进行采集，而是由I/O接口512直接将如图所示输入I/O接口512的输入数据及输出I/O接口512的输出结果，作为新的样本数据存入数据库530。
值得注意的是，图4仅是本申请实施例提供的一种系统架构的示意图，图中所示设备、器件、模块等之间的位置关系不构成任何限制，例如，在图4中，数据存储系统550相对执行设备510是外部存储器，在其它情况下，也可以将数据存储系统550置于执行设备510中。应理解，上述执行设备510可以部署于客户设备540中。
从模型的推理侧来说：
本申请实施例中，上述执行设备520的计算模块511可以获取到数据存储系统550中存储的代码来实现本申请实施例中的和模型推理过程相关的步骤。
本申请实施例中，执行设备520的计算模块511可以包括硬件电路(如专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field-programmable gate array，FPGA)、通用处理器、数字信号处理器(digital signalprocessing，DSP)、微处理器或微控制器等等)、或这些硬件电路的组合，例如，训练设备520可以为具有执行指令功能的硬件系统，如CPU、DSP等，或者为不具有执行指令功能的硬件系统，如ASIC、FPGA等，或者为上述不具有执行指令功能的硬件系统以及具有执行指令功能的硬件系统的组合。
具体的，执行设备520的计算模块511可以为具有执行指令功能的硬件系统，本申请实施例提供的和模型推理过程相关的步骤可以为存储在存储器中的软件代码，执行设备520的计算模块511可以从存储器中获取到软件代码，并执行获取到的软件代码来实现本申请实施例提供的和模型推理过程相关的步骤。
应理解，执行设备520的计算模块511可以为不具有执行指令功能的硬件系统以及具有执行指令功能的硬件系统的组合，本申请实施例提供的和模型推理过程相关的步骤的部分步骤还可以通过执行设备520的计算模块511中不具有执行指令功能的硬件系统来实现，这里并不限定。
从模型的训练侧来说：
本申请实施例中，上述训练设备520可以获取到存储器(图4中未示出，可以集成于训练设备520或者与训练设备520分离部署)中存储的代码来实现本申请实施例中和模型训练相关的步骤。
本申请实施例中，训练设备520可以包括硬件电路(如专用集成电路(applicationspecific integrated circuit，ASIC)、现场可编程门阵列(field-programmable gatearray，FPGA)、通用处理器、数字信号处理器(digital signal processing，DSP)、微处理器或微控制器等等)、或这些硬件电路的组合，例如，训练设备520可以为具有执行指令功能的硬件系统，如CPU、DSP等，或者为不具有执行指令功能的硬件系统，如ASIC、FPGA等，或者为上述不具有执行指令功能的硬件系统以及具有执行指令功能的硬件系统的组合。
应理解，训练设备520可以为不具有执行指令功能的硬件系统以及具有执行指令功能的硬件系统的组合，本申请实施例提供的中和模型训练相关的部分步骤还可以通过训练设备520中不具有执行指令功能的硬件系统来实现，这里并不限定。
二、服务器提供的商标识别类云服务：
在一种可能的实现中，服务器可以通过应用程序编程接口(applicationprogramming interface，API)为端侧提供商标识别的服务。
其中，终端设备可以通过云端提供的API，将相关参数(例如图像)发送至服务器，服务器可以基于接收到的参数，得到处理结果等)，并将处理结果返回至至终端。
关于终端以及服务器的描述可以上述实施例的描述，这里不再赘述。
如图5示出了使用一项云平台提供的商标识别类云服务的流程。
1.开通并购买内容审核服务。
2.用户可以下载内容审核服务对应的软件开发工具包(software developmentkit，SDK)，通常云平台提供多个开发版本的SDK，供用户根据开发环境的需求选择，例如JAVA版本的SDK、python版本的SDK、PHP版本的SDK、Android版本的SDK等。
3.用户根据需求下载对应版本的SDK到本地后，将SDK工程导入至本地开发环境，在本地开发环境中进行配置和调试，本地开发环境还可以进行其他功能的开发，使得形成一个集合了商标识别类能力的应用。
4.商标识别类应用在被使用的过程中，当需要进行商标识别时，可以触发商标识别的API调用。当应用触发商标识别功能时，发起API请求至云环境中的商标识别类服务的运行实例，其中，API请求中携带图像，由云环境中的运行实例对图像进行处理，获得处理结果。
5.云环境将处理结果返回至应用，由此完成一次的本申请实施例提供的方法调用。
由于本申请实施例涉及大量神经网络的应用，为了便于理解，下面先对本申请实施例涉及的相关术语及神经网络等相关概念进行介绍。
(1)神经网络
神经网络可以是由神经单元组成的，神经单元可以是指以xs(即输入数据)和截距1为输入的运算单元，该运算单元的输出可以为：
其中，s＝1、2、……n，n为大于1的自然数，Ws为xs的权重，b为神经单元的偏置。f为神经单元的激活函数(activation functions)，用于将非线性特性引入神经网络中，来将神经单元中的输入信号转换为输出信号。该激活函数的输出信号可以作为下一层卷积层的输入，激活函数可以是sigmoid函数。神经网络是将多个上述单一的神经单元联结在一起形成的网络，即一个神经单元的输出可以是另一个神经单元的输入。每个神经单元的输入可以与前一层的局部接受域相连，来提取局部接受域的特征，局部接受域可以是由若干个神经单元组成的区域。
(2)深度神经网络
深度神经网络(Deep Neural Network，DNN)，也称多层神经网络，可以理解为具有很多层隐含层的神经网络，这里的“很多”并没有特别的度量标准。从DNN按不同层的位置划分，DNN内部的神经网络可以分为三类：输入层，隐含层，输出层。一般来说第一层是输入层，最后一层是输出层，中间的层数都是隐含层。层与层之间是全连接的，也就是说，第i层的任意一个神经元一定与第i+1层的任意一个神经元相连。虽然DNN看起来很复杂，但是就每一层的工作来说，其实并不复杂，简单来说就是如下线性关系表达式：其中，/>是输入向量，/>是输出向量，/>是偏移向量，W是权重矩阵(也称系数)，α()是激活函数。每一层仅仅是对输入向量/>经过如此简单的操作得到输出向量/>由于DNN层数多，则系数W和偏移向量/>的数量也就很多了。这些参数在DNN中的定义如下所述：以系数W为例：假设在一个三层的DNN中，第二层的第4个神经元到第三层的第2个神经元的线性系数定义为/>上标3代表系数W所在的层数，而下标对应的是输出的第三层索引2和输入的第二层索引4。总结就是：第L-1层的第k个神经元到第L层的第j个神经元的系数定义为/>需要注意的是，输入层是没有W参数的。在深度神经网络中，更多的隐含层让网络更能够刻画现实世界中的复杂情形。理论上而言，参数越多的模型复杂度越高，“容量”也就越大，也就意味着它能完成更复杂的学习任务。训练深度神经网络的也就是学习权重矩阵的过程，其最终目的是得到训练好的深度神经网络的所有层的权重矩阵(由很多层的向量W形成的权重矩阵)。
(3)反向传播算法
卷积神经网络可以采用误差反向传播(back propagation，BP)算法在训练过程中修正初始的超分辨率模型中参数的大小，使得超分辨率模型的重建误差损失越来越小。具体地，前向传递输入信号直至输出会产生误差损失，通过反向传播误差损失信息来更新初始的超分辨率模型中参数，从而使误差损失收敛。反向传播算法是以误差损失为主导的反向传播运动，旨在得到最优的超分辨率模型的参数，例如权重矩阵。
(4)损失函数
在训练深度神经网络的过程中，因为希望深度神经网络的输出尽可能的接近真正想要预测的值，所以可以通过比较当前网络的预测值和真正想要的目标值，再根据两者之间的差异情况来更新每一层神经网络的权重向量(当然，在第一次更新之前通常会有初始化的过程，即为深度神经网络中的各层预先配置参数)，比如，如果网络的预测值高了，就调整权重向量让它预测低一些，不断地调整，直到深度神经网络能够预测出真正想要的目标值或与真正想要的目标值非常接近的值。因此，就需要预先定义“如何比较预测值和目标值之间的差异”，这便是损失函数(loss function)或目标函数(objective function)，它们是用于衡量预测值和目标值的差异的重要方程。其中，以损失函数举例，损失函数的输出值(loss)越高表示差异越大，那么深度神经网络的训练就变成了尽可能缩小这个loss的过程。
商标识别在电子商务，机器视觉中有广泛应用，典型的有版权鉴别，品牌识别，商品搜索和推荐等应用。商标识别在众多工业视觉场景都有广泛的应用，例如目标客户识别，危化品标志识别，商品查验等。
现有的基于目标检测的商标识别算法，从输入图像中用目标提取模型检测出所有可能是目标的图像区域作为候选，紧接着利用图像分类网络对候选区域进行分类，输出目标商标预测或者输出没有商标的预测。然而，现有的图像分类网络只采用图像特征进行商标识别，从而导致商标识别的精度较差。
为了解决上述问题，本申请实施例提供了一种数据处理方法。下面结合附图对本申请实施例的数据处理方法进行详细的介绍。
首先从模型训练的角度介绍本申请实施例中的商标识别方法，参照图6，图6为本申请实施例提供的一种数据处理方法的流程示意，如图6所示，本申请实施例提供的一种数据处理方法，可以包括步骤601至606，下面分别对这些步骤进行详细的描述。
601、获取第一图像和第二图像；所述第一图像和所述第二图像包含文本。
其中，第一图像和第二图像可以为进行模型训练时的训练样本。
在一种可能的实现中，可以通过对比学习来训练模型，第一图像和第二图像可以为正样本，在进行对比学习时需要将正样本的特征之间的距离拉近。第一图像和第二图像也可以为负样本，在进行对比学习时需要将负样本的特征之间的距离拉近。
其中，第一图像和第二图像可以为商标等其他包含文本的图像。
以商标为例，例如，在第一图像和第二图像为正样本时，第一图像和第二图像可以包括同一个商标、或者相似风格的商标。
例如，在第一图像和第二图像为负样本时，第一图像和第二图像可以包括不同的商标、或者风格差异较大的商标。
应理解，这里的同一个商标、或者相似风格的商标可以为具备相同文本、且文本的字体、颜色、形状等风格相似的商标。
在一种可能的实现中，第一图像或第二图像可以为标准库中的商标对应的图像，标准库中的商标可以为有标注的商标，例如图10所示的那样，在标准目标模板库中可以包括多个类别的商标(例如图10所示的类别1、类别2等)。同一个类别的商标也可以分为不同样式的商标(例如图10所示的每个类别中的1、2等)。从标准库中确定的训练样本可以直接基于标注确定是正样本还是负样本。
在一种可能的实现中，针对于没有标注的图像，可以通过检测模型裁剪出原始图像中包括商标的图像区域(例如本申请实施例中的第一图像或第二图像)。其中，检测模型可以识别出图像区域以及判定该图像区域中的商标是否为可以识别出类别的商标，而不识别具体的商标类别。
其中，无法识别出类别的商标的图像之间可以作为正样本，而可以识别出类别的商标的图像和不可以识别出类别的商标的图像之间可以作为负样本。
接下来介绍一种检测模型的训练方法：
可选的，可以使用有标签数据来训练商标检测模型，可选的，为了提高检测模型的检测精度，还可以基于无标注数据和有标注数据共同训练商标检测模型。
参照图7，图7中的步骤S11和S12为一种检测模型的训练方法示意：
参照图7、图8和图9，图7、图8和图9为检测模型的训练方法示意，其中，图7中的步骤S11和S12为检测模型的训练过程，图8为预训练阶段的示意，具体的，可以使用有标签数据L训练商标检测模型M1(步骤s11)，使用M1作为初始化模型，图9，可以使用无标注数据U和有标注数据L训练出检测模型M2(步骤S12)。
如图8所示，预训练阶段算法可以包括基于模板的正例样本数据生成算法310，和利用有标注数据一起训练模型M1。
如图9所示，可以通过半监督目标检测算法S12来训练模型M1，具体的，可以使用M1作为初始化模型，使用无标注数据U和有标注数据L训练出新检测模型M2，可选的，可以对无标注数据U分别进行强数据增强和弱数据增强操作(本申请实施例并不限定数据增强的方式，强数据增强对于图像的增强程度高于弱数据增强对于图像的增强程度)，对有标注数据集L进行视角透视(或者可以称之为仿射变换)变换数据增强，让标准商标图形适应背景的拍摄角度，随后使用M1的输出作为伪标签来训练模型M2。其中，M2可以作为检测模型来处理原始图像，得到第一图像和第二图像。
本申请实施例利用无标注数据的半监督商标检测算法，通过将先验模板库中的商标进行随机混合，随机粘贴等数据生成操作，提升了正样本数量；此外，提出了基于场景分布的视角透视数据增强方案，通过引入视角透视变化的数据增强，可以增加样本多样性，并提升模型的鲁棒性。
此外，第一图像和第二图像也可以为经过一定的数据增强处理后得到的图像。
此外，第一图像和第二图像也可以为从标准库以及通过检测模型得到的图像中随机采样得到的。
602、通过第一神经网络，分别处理所述第一图像和所述第二图像，得到第一特征表示和第二特征表示；所述第一特征表示为所述第一图像的图像特征，所述第二特征表示为所述第二图像的图像特征。
在一种可能的实现中，可以通过第一神经网络处理第一图像和第二图像得到图像特征表示(也就是本申请实施例中的第一特征表示和第二特征表示)。第一神经网络可以为本申请实施例中待训练的神经网络。例如，参照图10，图10中的检索特征向量提取模型可以执行上述步骤602，具体的，可以参照图11A，图11A中的图像特征提取网络可以为本申请实施例中的第一神经网络。
603、通过第二神经网络，分别处理所述第一图像和所述第二图像，得到第三特征表示和第四特征表示；所述第一特征表示为所述第一图像中包含的文本的文本特征，所述第二特征表示为所述第二图像中包含的文本的文本特征；
在一种可能的实现中，第二神经网络可以提取出图像中的文本特征(或者可以称之为字符特征)，例如第二神经网络可以为光学字符识别(optical characterrecognition，OCR)网络(或者部分，例如OCR其中的特征提取网络)。
在一种可能的实现中，可以通过第二神经网络，分别处理所述第一图像和所述第二图像，得到第三特征表示和第四特征表示。
其中，第二神经网络可以为预训练好的模型。
604、将所述第一特征表示和所述第三特征表示融合得到第一目标特征表示。
605、将所述第二特征表示和所述第四特征表示融合得到第二目标特征表示。
在一种可能的实现中，可以将所述第一特征表示和所述第三特征表示进行维度对齐(将特征表示的尺寸调整一致，例如可以利用神经网络(示例性的，可以包括线性操作和前馈FC层)实现)，并将维度对齐后的所述第一特征表示和所述第三特征表示融合得到第一目标特征表示。
在一种可能的实现中，可以将所述第二特征表示和所述第四特征表示进行维度对齐(将特征表示的尺寸调整一致，例如可以利用神经网络(示例性的，可以包括线性操作和前馈FC层)实现)，并将维度对齐后的所述第二特征表示和所述第四特征表示融合得到第二目标特征表示。
应理解，维度对齐的对齐操作对象可以为图像或者文本分支中的一个。例如，可以将第三特征表示的维度进行调整，使得调整后的第三特征表示和第一特征表示的维度大小一致。
在一种可能的实现中，所述第一目标特征表示和所述第二目标特征表示可以为映射到双曲空间中的特征。双曲度量空间可以以适应多层级数据结构。
在一种实现中，所述双曲空间中的数据可基于共形模型表达，共形模型表示双曲空间通过共形映射(conformal mapping)的方式映射到欧式空间。例如，共形模型可以是庞家莱模型Poincare Model，双曲面模型Hyperboloid Model或Klein Model。共形模型可以用于刻画双曲空间，定义了双曲陀螺向量空间的一系列向量代数变换和几何约束。
606、根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，并根据所述损失更新所述第一神经网络。
在一种可能的实现中，所述第一图像和第二图像包括同一个商标的不同样式，第一图像和第二图像可以作为负样本，进而可以根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的第一距离。
在一种可能的实现中，所述第一图像和第二图像包括不同的商标，第一图像和第二图像可以作为负样本，进而可以根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的第二距离，且所述第二距离的拉远程度大于所述第一距离的拉远程度。相比第一图像和第二图像包括同一个商标的不同样式，在第一图像和第二图像包括不同的商标时，图像包括的商标之间的差异更大，因此对比学习时特征之间的拉远程度需要更高一点。
应理解，这里的第一距离和第二距离可以理解为通过相同(或者不同)的距离计算方法得到的不同距离计算结果。
在一种可能的实现中，所述第一图像和第二图像可以包括同一个商标的相同样式，第一图像和第二图像可以作为负样本，进而可以根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉近所述第一目标特征表示和所述第二目标特征表示之间的距离。
在一种可能的实现中，所述第一图像和所述第二图像为通过检测网络(例如上述实施例中介绍的模型M2)对原始图像进行目标检测后裁剪得到的，且所述第一图像为所述检测网络可以识别出目标的图像，所述第二图像为所述检测网络不可识别出目标的图像，第一图像和第二图像可以作为负样本，进而可以根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的距离。
在一种可能的实现中，所述第一图像和所述第二图像为通过检测网络对原始图像进行目标检测后裁剪得到的，且所述第一图像和所述第二图像为所述检测网络均不可以识别出目标的图像，第一图像和第二图像可以作为负样本，进而可以根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉近所述第一目标特征表示和所述第二目标特征表示之间的距离。
示例性的，参照图10，可以使用模型M2推理得到的非目标样本作为负样本N，组成第一层级正负样本；使用标准目标模板库T中各个子类和其他子类构成第二层级正负样本，使用对比损失函数F训练模型(例如可以更新图11A中示出的图像特征提取网络)。
接下来介绍一种对比学习中损失的计算示意：
参照图11B，图11B为一种对比损失loss的计算示意图，其中，图11B左边为原始数据分布，右边为经过对比损失函数约束后的新数据分布，计算过程为，对每一个样本计算它和不同层级负样本之间的距离(例如可以参照图11C以及下面的公式所示)：
其中，λi代表各项之间常量系数，Ci代表P1大类中的样本，Ci’代表Ci同类的其他样本，Cj代表同一大类P1的其他子类，Ck,Cn代表不同大类P2，P3中的样本，其中sim可以用不同的距离度量方式。
如图11B所示，P1可以为包括同一个商标的样本，C1、C2、C3可以为包括同一个商标的不同样式的样本，P2可以为包括同一个商标的样本，C4、C5、C6可以为同一个商标的不同样式，N可以为包括检测模型无法识别出商标类别的样本。
可选的，可以使用双曲正弦空间的距离度量方式：
本申请实施例中，通过设计多层级对比损失函数，在不同层级上分别设计对比学习损失函数，增强在不同层级之间的可判别性；将噪声(负)样本和正样本进行对比学习，显著改善了噪声干扰问题。
本申请实施例提供了一种数据处理方法，包括：获取第一图像和第二图像；所述第一图像和所述第二图像包含商标；通过第一神经网络，分别处理所述第一图像和所述第二图像，得到第一特征表示和第二特征表示；所述第一特征表示为所述第一图像的图像特征，所述第二特征表示为所述第二图像的图像特征；通过第二神经网络，分别处理所述第一图像和所述第二图像，得到第三特征表示和第四特征表示；所述第一特征表示为所述第一图像中包含的文本的文本特征，所述第二特征表示为所述第二图像中包含的文本的文本特征；将所述第一特征表示和所述第三特征表示融合得到第一目标特征表示；将所述第二特征表示和所述第四特征表示融合得到第二目标特征表示；根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，并根据所述损失更新所述第一神经网络。通过上述方式，即提取商标的图像特征，也提取商标的文本特征，并将图像特征和文本特征进行融合，利用融合后的特征表示进行模型的更新，可以提高训练后的模型的商标识别精度。
参照图11D，图11D为本申请实施例的一个应用流程示意，其中，包含3个子算法：(1)基于组合数据增强的半监督商标检测与商标识别算法100。首先利用部分标注数据和商标模板库利用有监督训练一个老师模型，随后利用无标注的数据和预训练的老师模型，结合基于视角透视变换数据增强的半监督学习算法训练训练出新的学生模型。(2)基于图像特征和字符特征融合的商标识别算法200，采用使用标准商标模板库，和使用学生模型推理出的非目标样本组成第一层级正负样本，模板库各个子类之间组成第二层级正负样本，经过相同数据增强算法后对各个样本分别经过图像特征提取器和字符特征提取器提取特征，经过特征向量维度对齐后，再送入特征融合MLP；(3)基于多层级表征度量的商标识别算法300：输出特征向量经由指数映射算法映射到双曲度量空间。在双曲度量空间上，基于样本的多尺度标签，计算多层级损失函数，计算方式可以参照如下的示意：
其中，D表示距离度量方法，可选的，可以采用余弦距离；l_i,j,n代表第i个样本是与第j个样本在n个层级上的。
参照表1，表1为本申请实施例提供的方法在业务数据上和现有技术的性能对比。表2为本申请实施例提供的方法在业务数据上现有技术的的性能对比。表3为消融实验的结果示意。
表1
Methods Precision Recall F1-Score
Baseline(yolov5) 0.412 0.596 0.487
PSGT.&Data Aug.(CVPR2019) 0.419(+0.7％) 0.621(+2.5％) 0.500(+1.3％)
Combined Aug. 0.427(+1.5％) 0.623(+2.7％) 0.507(+2％)
STAC(CVPR2020) 0.424(+1.2％) 0.609(+1.3％) 0.500(+1.3％)
CDA SSOD(Ours) 0.45(+3.8％) 0.636(+4％) 0.527(+4％)
表2
Methods Precision Recall F1-Score
Baseline(SIFT) 0.33 0.85 0.59
NpairEuclidean(NIPS2016) 0.66(+33％) 0.65(-20％) 0.65(+6％)
Proxynca-Euclidean(CVPR2020) 0.68(+35％) 0.85(+0％) 0.76(+17％)
Npair-Cosine(NIPS2016) 0.61(+28％) 0.83(-2％) 0.70(+11％)
Proxynca-Cosine(CVPR2020) 0.66(+33％) 0.87(+2％) 0.75(+16％)
Hyper-ViT(CVPR2022) 0.81(+48％) 0.87(+2％) 0.84(+25％)
MLCL-MMFF(Ours) 0.85(+52％) 0.91(+6％) 0.88(+29％)
如表1和表2所示，本申请实施例提供的方法与仅仅使用部分有标签数据方案在召回率recall上提升了4％，与业界SOTA的半监督方案相比recall提升2.6％；本申请实施例提供的方法与传统CV算子相比精度提高52％，recall提高6％，与业界SOTA的度量学习算法相比精度提高了4％，recall提高了4％。
表3Logo匹配消融实验
其中，MLCL为Multi-Level Contrastive Learning，MMFF为Multi-ModalityFeature Fusion。
参照图11E，图11E为特征图对比，多层级表征度量可以将子类特征之间进行聚拢，且和噪声样本之间的距离拉远。
从表3可得出结论，多层级度量学习对性能提升有至关重要的作用，相比单层级度量学习精度提高了1.5％，recall提升1％，如图11E所示，噪声数据容易和正样本发生混淆从而造成误识别，多层级度量学习将噪声当作负样本与所有正样本进行对比学习，从图11E中的最右图中可以看出，负样本被很好地聚合，正样本类内距离缩小，类间距离增大，可判别性增强。
此外，从模型推理的角度，本申请实施例还提供了一种数据处理方法，包括：获取第一图像，所述第一图像包含文本；通过第一神经网络(例如通过图6对应的实施例得到的训练后的第一神经网络)，处理所述图像，得到第一特征表示；所述第一特征表示为所述第一图像的图像特征；通过第二神经网络(例如图6对应的实施例中的第二神经网络)，处理所述图像，得到第二特征表示；所述第二特征表示为所述第一图像中包含的文本的文本特征；将所述第一特征表示和所述第二特征表示融合得到第一目标特征表示；根据所述第一目标特征表示与多个预设的特征表示之间的相似度，根据所述第一目标特征表示，确定所述第一图像的类别。
在一种可能的实现中，所述第一图像为商标；例如，可以根据所述第一目标特征表示和多个预设的特征表示之间的相似度，确定所述商标的类别；每个预设的特征表示为对一个类别的商标进行特征提取得到的。
本申请并不限定这里的相似度的计算方法。
在一种可能的实现中，还可以将所述第二特征表示和所述第一特征表示进行维度对齐；可以将维度对齐后的所述第一特征表示和所述第二特征表示融合得到第一目标特征表示。
在一种可能的实现中，所述第一目标特征表示和每个所述预设的特征表示为映射到双曲空间中的特征。
推理侧的方法和训练侧在特征提取部分存在相似之处，可以参照图6对应的实施例的介绍，相似之处不再赘述。
参照图11F，图11F为本申请实施例中推理侧的框架示意：其中，框架主要包含三部分：1)采用目标检测网络检测出候选目标；2)采用本申请实施例设计的检索特征提取模块(主要是图像特征和文字特征提取，融合与空间变换)提取特征作为检索特征向量；3)使用这个特征向量在标准的目标特征向量库中进行检索，计算与库中标准目标向量的相似度，如果最大相似度小于阈值t，则输出未知类，否则输出相似度最大对应的类别。
参照图12，图12为本申请实施例提供的一种数据处理装置的结构示意，如图12所示，本申请实施例提供的一种数据处理装置1200，包括：
处理模块1201，用于获取第一图像和第二图像；所述第一图像和所述第二图像包含文本；
通过第一神经网络，分别处理所述第一图像和所述第二图像，得到第一特征表示和第二特征表示；所述第一特征表示为所述第一图像的图像特征，所述第二特征表示为所述第二图像的图像特征；
通过第二神经网络，分别处理所述第一图像和所述第二图像，得到第三特征表示和第四特征表示；所述第一特征表示为所述第一图像中包含的文本的文本特征，所述第二特征表示为所述第二图像中包含的文本的文本特征；
将所述第一特征表示和所述第三特征表示融合得到第一目标特征表示；
将所述第二特征表示和所述第四特征表示融合得到第二目标特征表示；
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，并根据所述损失更新所述第一神经网络。
其中，关于处理模块1201的具体描述可以参照上述实施例中步骤601至606的描述，这里不再赘述。
在一种可能的实现中，所述第一图像和所述第二图像为商标。
在一种可能的实现中，所述第一图像和第二图像包括同一个商标的不同样式；所述处理模块，具体用于：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的第一距离。
在一种可能的实现中，所述第一图像和第二图像包括不同的商标；所述处理模块，具体用于：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的第二距离；且所述第二距离的拉远程度大于所述第一距离的拉远程度。
在一种可能的实现中，所述第一图像和第二图像包括同一个商标的相同样式，所述处理模块，具体用于：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉近所述第一目标特征表示和所述第二目标特征表示之间的距离。
在一种可能的实现中，所述第一图像和所述第二图像为通过检测网络对原始图像进行目标检测后裁剪得到的，且所述第一图像为所述检测网络可以识别出目标的图像，所述第二图像为所述检测网络不可识别出目标的图像；
所述处理模块，具体用于：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的距离。
在一种可能的实现中，所述第一图像和所述第二图像为通过检测网络对原始图像进行目标检测后裁剪得到的，且所述第一图像和所述第二图像为所述检测网络均不可以识别出目标的图像；所述处理模块，具体用于：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉近所述第一目标特征表示和所述第二目标特征表示之间的距离。
在一种可能的实现中，所述第一目标特征表示和所述第二目标特征表示为映射到双曲空间中的特征。
此外本申请实施例还提供了一种数据处理装置，包括：
处理模块，用于获取第一图像，所述第一图像包含文本；
通过第一神经网络，处理所述第一图像，得到第一特征表示；所述第一特征表示为所述第一图像的图像特征；
通过第二神经网络，处理所述第一图像，得到第二特征表示；所述第二特征表示为所述第一图像中包含的文本的文本特征；
将所述第一特征表示和所述第二特征表示融合得到第一目标特征表示；
根据所述第一目标特征表示，确定所述第一图像的类别。
在一种可能的实现中，所述第一图像为商标，所述根据所述第一目标特征表示，确定所述第一图像的类别，包括：
根据所述第一目标特征表示和多个预设的特征表示之间的相似度，确定所述商标的类别；每个预设的特征表示为对一个类别的商标进行特征提取得到的。
在一种可能的实现中，所述处理模块，还用于：将所述第二特征表示和所述第一特征表示进行维度对齐；
所述处理模块，具体用于：将维度对齐后的所述第一特征表示和所述第二特征表示融合得到第一目标特征表示。
在一种可能的实现中，所述第一目标特征表示和每个所述预设的特征表示为映射到双曲空间中的特征。
接下来介绍本申请实施例提供的一种执行设备，请参阅图13，图13为本申请实施例提供的执行设备的一种结构示意图，执行设备1300具体可以表现为虚拟现实VR设备、手机、平板、笔记本电脑、智能穿戴设备、监控数据处理设备或服务器等，此处不做限定。具体的，执行设备1300包括：接收器1301、发射器1302、处理器1303和存储器1304(其中执行设备1300中的处理器1303的数量可以一个或多个，图13中以一个处理器为例)，其中，处理器1303可以包括应用处理器13031和通信处理器13032。在本申请的一些实施例中，接收器1301、发射器1302、处理器1303和存储器1304可通过总线或其它方式连接。
存储器1304可以包括只读存储器和随机存取存储器，并向处理器1303提供指令和数据。存储器1304的一部分还可以包括非易失性随机存取存储器(non-volatile randomaccess memory，NVRAM)。存储器1304存储有处理器和操作指令、可执行模块或者数据结构，或者它们的子集，或者它们的扩展集，其中，操作指令可包括各种操作指令，用于实现各种操作。
处理器1303控制执行设备的操作。具体的应用中，执行设备的各个组件通过总线系统耦合在一起，其中总线系统除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都称为总线系统。
上述本申请实施例揭示的方法可以应用于处理器1303中，或者由处理器1303实现。处理器1303可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器1303中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1303可以是通用处理器、数字信号处理器(digital signal processing，DSP)、微处理器或微控制器，还可进一步包括专用集成电路(application specific integratedcircuit，ASIC)、现场可编程门阵列(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。该处理器1303可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1304，处理器1303读取存储器1304中的信息，结合其硬件完成上述方法中涉及模型推理过程的步骤。
接收器1301可用于接收输入的数字或字符信息，以及产生与执行设备的相关设置以及功能控制有关的信号输入。发射器1302可用于通过第一接口输出数字或字符信息；发射器1302还可用于通过第一接口向磁盘组发送指令，以修改磁盘组中的数据；发射器1302还可以包括显示屏等显示设备。
本申请实施例还提供了一种训练设备，请参阅图14，图14是本申请实施例提供的训练设备一种结构示意图，具体的，训练设备1400由一个或多个服务器实现，训练设备1400可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(centralprocessing units，CPU)1414(例如，一个或一个以上处理器)和存储器1432，一个或一个以上存储应用程序1442或数据1444的存储介质1430(例如一个或一个以上海量存储设备)。其中，存储器1432和存储介质1430可以是短暂存储或持久存储。存储在存储介质1430的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对训练设备中的一系列指令操作。更进一步地，中央处理器1414可以设置为与存储介质1430通信，在训练设备1400上执行存储介质1430中的一系列指令操作。
训练设备1400还可以包括一个或一个以上电源1426，一个或一个以上有线或无线网络接口1450，一个或一个以上输入输出接口1458；或，一个或一个以上操作系统1441，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
本申请实施例中，中央处理器1414，用于执行上述实施例中和模型训练相关的动作。
本申请实施例中还提供一种包括计算机程序产品，当其在计算机上运行时，使得计算机执行如前述执行设备所执行的步骤，或者，使得计算机执行如前述训练设备所执行的步骤。
本申请实施例中还提供一种计算机可读存储介质，该计算机可读存储介质中存储有用于进行信号处理的程序，当其在计算机上运行时，使得计算机执行如前述执行设备所执行的步骤，或者，使得计算机执行如前述训练设备所执行的步骤。
本申请实施例提供的执行设备、训练设备或终端设备具体可以为芯片，芯片包括：处理单元和通信单元，所述处理单元例如可以是处理器，所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令，以使执行设备内的芯片执行上述实施例描述的数据处理方法，或者，以使训练设备内的芯片执行上述实施例描述的数据处理方法。可选地，所述存储单元为所述芯片内的存储单元，如寄存器、缓存等，所述存储单元还可以是所述无线接入设备端内的位于所述芯片外部的存储单元，如只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类别的静态存储设备，随机存取存储器(random access memory，RAM)等。
具体的，请参阅图15，图15为本申请实施例提供的芯片的一种结构示意图，所述芯片可以表现为神经网络处理器NPU 1500，NPU 1500作为协处理器挂载到主CPU(Host CPU)上，由Host CPU分配任务。NPU的核心部分为运算电路1503，通过控制器1504控制运算电路1503提取存储器中的矩阵数据并进行乘法运算。
在一些实现中，运算电路1503内部包括多个处理单元(Process Engine,PE)。在一些实现中，运算电路1503是二维脉动阵列。运算电路1503还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中，运算电路1503是通用的矩阵处理器。
举例来说，假设有输入矩阵A，权重矩阵B，输出矩阵C。运算电路从权重存储器1502中取矩阵B相应的数据，并缓存在运算电路中每一个PE上。运算电路从输入存储器1501中取矩阵A数据与矩阵B进行矩阵运算，得到的矩阵的部分结果或最终结果，保存在累加器(accumulator)1508中。
统一存储器1506用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(Direct Memory Access Controller，DMAC)1505，DMAC被搬运到权重存储器1502中。输入数据也通过DMAC被搬运到统一存储器1506中。
BIU为Bus Interface Unit即，总线接口单元1510，用于AXI总线与DMAC和取指存储器(Instruction Fetch Buffer，IFB)1509的交互。
总线接口单元1510(Bus Interface Unit，简称BIU)，用于取指存储器1509从外部存储器获取指令，还用于存储单元访问控制器1505从外部存储器获取输入矩阵A或者权重矩阵B的原数据。
DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器1506或将权重数据搬运到权重存储器1502中或将输入数据数据搬运到输入存储器1501中。
向量计算单元1507包括多个运算处理单元，在需要的情况下，对运算电路1503的输出做进一步处理，如向量乘，向量加，指数运算，对数运算，大小比较等等。主要用于神经网络中非卷积/全连接层网络计算，如Batch Normalization(批归一化)，像素级求和，对特征平面进行上采样等。
在一些实现中，向量计算单元1507能将经处理的输出的向量存储到统一存储器1506。例如，向量计算单元1507可以将线性函数；或，非线性函数应用到运算电路1503的输出，例如对卷积层提取的特征平面进行线性插值，再例如累加值的向量，用以生成激活值。在一些实现中，向量计算单元1507生成归一化的值、像素级求和的值，或二者均有。在一些实现中，处理过的输出的向量能够用作到运算电路1503的激活输入，例如用于在神经网络中的后续层中的使用。
控制器1504连接的取指存储器(instruction fetch buffer)1509，用于存储控制器1504使用的指令；
统一存储器1506，输入存储器1501，权重存储器1502以及取指存储器1509均为On-Chip存储器。外部存储器私有于该NPU硬件架构。
其中，上述任一处提到的处理器，可以是一个通用中央处理器，微处理器，ASIC，或一个或多个用于控制上述程序执行的集成电路。
另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。另外，本申请提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，训练设备，或者网络设备等)执行本申请各个实施例所述的方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、训练设备或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、训练设备或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的训练设备、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。

Claims (25)

1.一种数据处理方法，其特征在于，所述方法包括：
获取第一图像，所述第一图像包含文本；
通过第一神经网络，处理所述第一图像，得到第一特征表示；所述第一特征表示为所述第一图像的图像特征；
通过第二神经网络，处理所述第一图像，得到第二特征表示；所述第二特征表示为所述第一图像中包含的文本的文本特征；
将所述第一特征表示和所述第二特征表示融合得到第一目标特征表示；
根据所述第一目标特征表示，确定所述第一图像的类别。
2.根据权利要求1所述的方法，其特征在于，所述第一图像为商标，所述根据所述第一目标特征表示，确定所述第一图像的类别，包括：
根据所述第一目标特征表示和多个预设的特征表示之间的相似度，确定所述商标的类别；每个预设的特征表示为对一个类别的商标进行特征提取得到的。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
将所述第二特征表示和所述第一特征表示进行维度对齐；
所述将所述第一特征表示和所述第二特征表示融合得到第一目标特征表示，包括：
将维度对齐后的所述第一特征表示和所述第二特征表示融合得到第一目标特征表示。
4.根据权利要求1至3任一所述的方法，其特征在于，所述第一目标特征表示和每个所述预设的特征表示为映射到双曲空间中的特征。
5.一种数据处理方法，其特征在于，所述方法包括：
获取第一图像和第二图像；所述第一图像和所述第二图像包含文本；
通过第一神经网络，分别处理所述第一图像和所述第二图像，得到第一特征表示和第二特征表示；所述第一特征表示为所述第一图像的图像特征，所述第二特征表示为所述第二图像的图像特征；
通过第二神经网络，分别处理所述第一图像和所述第二图像，得到第三特征表示和第四特征表示；所述第一特征表示为所述第一图像中包含的文本的文本特征，所述第二特征表示为所述第二图像中包含的文本的文本特征；
将所述第一特征表示和所述第三特征表示融合得到第一目标特征表示；
将所述第二特征表示和所述第四特征表示融合得到第二目标特征表示；
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，并根据所述损失更新所述第一神经网络。
6.根据权利要求5所述的方法，其特征在于，所述第一图像和所述第二图像包含商标。
7.根据权利要求5或6所述的方法，其特征在于，所述第一图像和第二图像包括同一个商标的不同样式；所述根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，包括：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的第一距离。
8.根据权利要求5或6所述的方法，其特征在于，所述第一图像和第二图像包括不同的商标；所述根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，包括：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的第二距离；且所述第二距离的拉远程度大于所述第一距离的拉远程度。
9.根据权利要求5或6所述的方法，其特征在于，所述第一图像和第二图像包括同一个商标的相同样式，所述根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，包括：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉近所述第一目标特征表示和所述第二目标特征表示之间的距离。
10.根据权利要求5至9任一所述的方法，其特征在于，所述第一图像和所述第二图像为通过检测网络对原始图像进行目标检测后裁剪得到的，且所述第一图像为所述检测网络可以识别出目标的图像，所述第二图像为所述检测网络不可识别出目标的图像；所述根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，包括：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的距离。
11.根据权利要求5至10任一所述的方法，其特征在于，所述第一图像和所述第二图像为通过检测网络对原始图像进行目标检测后裁剪得到的，且所述第一图像和所述第二图像为所述检测网络均不可以识别出目标的图像；所述根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，包括：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉近所述第一目标特征表示和所述第二目标特征表示之间的距离。
12.根据权利要求5至11任一所述的方法，其特征在于，所述第一目标特征表示和所述第二目标特征表示为映射到双曲空间中的特征。
13.一种数据处理装置，其特征在于，包括：
处理模块，用于获取第一图像，所述第一图像包含文本；
通过第一神经网络，处理所述第一图像，得到第一特征表示；所述第一特征表示为所述第一图像的图像特征；
通过第二神经网络，处理所述第一图像，得到第二特征表示；所述第二特征表示为所述第一图像中包含的文本的文本特征；
将所述第一特征表示和所述第二特征表示融合得到第一目标特征表示；
根据所述第一目标特征表示，确定所述第一图像的类别。
14.根据权利要求13所述的装置，其特征在于，所述第一图像为商标，所述根据所述第一目标特征表示，确定所述第一图像的类别，包括：
根据所述第一目标特征表示和多个预设的特征表示之间的相似度，确定所述商标的类别；每个预设的特征表示为对一个类别的商标进行特征提取得到的。
15.根据权利要求13或14所述的装置，其特征在于，所述处理模块，还用于：将所述第二特征表示和所述第一特征表示进行维度对齐；
所述处理模块，具体用于：将维度对齐后的所述第一特征表示和所述第二特征表示融合得到第一目标特征表示。
16.一种数据处理装置，其特征在于，包括：
处理模块，用于获取第一图像和第二图像；所述第一图像和所述第二图像包含文本；
通过第一神经网络，分别处理所述第一图像和所述第二图像，得到第一特征表示和第二特征表示；所述第一特征表示为所述第一图像的图像特征，所述第二特征表示为所述第二图像的图像特征；
通过第二神经网络，分别处理所述第一图像和所述第二图像，得到第三特征表示和第四特征表示；所述第一特征表示为所述第一图像中包含的文本的文本特征，所述第二特征表示为所述第二图像中包含的文本的文本特征；
将所述第一特征表示和所述第三特征表示融合得到第一目标特征表示；
将所述第二特征表示和所述第四特征表示融合得到第二目标特征表示；
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，确定损失，并根据所述损失更新所述第一神经网络。
17.根据权利要求16所述的装置，其特征在于，所述第一图像和第二图像包括同一个商标的不同样式；所述处理模块，具体用于：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的第一距离。
18.根据权利要求16所述的装置，其特征在于，所述第一图像和第二图像包括不同的商标；所述处理模块，具体用于：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的第二距离；且所述第二距离的拉远程度大于所述第一距离的拉远程度。
19.根据权利要求16所述的装置，其特征在于，所述第一图像和第二图像包括同一个商标的相同样式，所述处理模块，具体用于：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉近所述第一目标特征表示和所述第二目标特征表示之间的距离。
20.根据权利要求16至19任一所述的装置，其特征在于，所述第一图像和所述第二图像为通过检测网络对原始图像进行目标检测后裁剪得到的，且所述第一图像为所述检测网络可以识别出目标的图像，所述第二图像为所述检测网络不可识别出目标的图像；
所述处理模块，具体用于：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉远所述第一目标特征表示和所述第二目标特征表示之间的距离。
21.根据权利要求16至20任一所述的装置，其特征在于，所述第一图像和所述第二图像为通过检测网络对原始图像进行目标检测后裁剪得到的，且所述第一图像和所述第二图像为所述检测网络均不可以识别出目标的图像；所述处理模块，具体用于：
根据所述第一目标特征表示和所述第二目标特征表示之间的关系，通过对比学习确定损失，所述损失用于拉近所述第一目标特征表示和所述第二目标特征表示之间的距离。
22.根据权利要求16至21任一所述的装置，其特征在于，所述第一目标特征表示和所述第二目标特征表示为映射到双曲空间中的特征。
23.一种计算机存储介质，其特征在于，所述计算机存储介质存储有一个或多个指令，所述指令在由一个或多个计算机执行时使得所述一个或多个计算机执行权利要求1至12中任一项所述方法的操作。
24.一种计算机程序产品，其特征在于，包括计算机可读指令，当所述计算机可读指令在计算机设备上运行时，使得所述计算机设备执行如权利要求1至12任一所述的方法。
25.一种系统，包括至少一个处理器，至少一个存储器；所述处理器、所述存储器通过通信总线连接并完成相互间的通信；
所述至少一个存储器用于存储代码；
所述至少一个处理器用于执行所述代码，以执行如权利要求1至12任一所述的方法。
CN202310627422.0A 2023-05-30 2023-05-30 一种数据处理方法及其装置 Pending CN116883715A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310627422.0A CN116883715A (zh) 2023-05-30 2023-05-30 一种数据处理方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310627422.0A CN116883715A (zh) 2023-05-30 2023-05-30 一种数据处理方法及其装置

Publications (1)

Publication Number Publication Date
CN116883715A true CN116883715A (zh) 2023-10-13

Family

ID=88257512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310627422.0A Pending CN116883715A (zh) 2023-05-30 2023-05-30 一种数据处理方法及其装置

Country Status (1)

Country Link
CN (1) CN116883715A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117808089A (zh) * 2024-02-29 2024-04-02 山东大学 一种基于双空间信息聚合的知识图谱推荐方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117808089A (zh) * 2024-02-29 2024-04-02 山东大学 一种基于双空间信息聚合的知识图谱推荐方法及系统

Similar Documents

Publication Publication Date Title
CN111797893B (zh) 一种神经网络的训练方法、图像分类系统及相关设备
CN111950596A (zh) 一种用于神经网络的训练方法以及相关设备
CN114997412A (zh) 一种推荐方法、训练方法以及装置
CN115512005A (zh) 一种数据处理方法及其装置
CN113516227B (zh) 一种基于联邦学习的神经网络训练方法及设备
CN111931002A (zh) 一种匹配方法以及相关设备
EP4283520A1 (en) Pruning processing method for convolutional neural network, data processing method and devices
CN112529149A (zh) 一种数据处理方法及相关装置
CN115757692A (zh) 一种数据处理方法及其装置
CN116883715A (zh) 一种数据处理方法及其装置
CN115131604A (zh) 一种多标签图像分类方法、装置、电子设备及存储介质
CN116861850A (zh) 一种数据处理方法及其装置
CN115879508A (zh) 一种数据处理方法及相关装置
CN111695419A (zh) 一种图像数据处理方法及相关装置
CN117217284A (zh) 一种数据处理方法及其装置
CN116665219A (zh) 一种数据处理方法及其装置
CN115376203A (zh) 一种数据处理方法及其装置
CN115866291A (zh) 一种数据处理方法及其装置
CN115345291A (zh) 一种图处理方法及相关装置
CN114707070A (zh) 一种用户行为预测方法及其相关设备
CN115545738A (zh) 一种推荐方法及相关装置
CN113065636B (zh) 一种卷积神经网络的剪枝处理方法、数据处理方法及设备
CN113011580B (zh) 一种嵌入表征的处理方法以及相关设备
WO2024055952A1 (zh) 一种数据处理方法及其装置
CN117807472A (zh) 一种数据处理方法及相关装置

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