发明内容
本公开提出了用于训练模型的方法和装置,以及用于生成信息的方法和装置。
第一方面,本公开的实施例提供了一种用于训练模型的方法,该方法包括:获取训练样本集,其中,训练样本集中的训练样本包括样本图像、与样本图像相对应的判别信息和位置信息,判别信息用于指示对应的样本图像是否包含动物对象,位置信息是用于指示样本图像中的动物对象的位置的信息;利用机器学习算法,将训练样本集中的训练样本包括的样本图像作为输入数据,将与输入的样本图像对应的判别信息和位置信息作为期望输出数据,训练得到识别模型,其中,识别模型包括判别模型和定位模型,判别模型的期望输出数据为判别信息,定位模型的期望输出数据为位置信息。
在一些实施例中,利用机器学习算法,将训练样本集中的训练样本包括的样本图像作为输入数据,将与输入的样本图像对应的判别信息和位置信息作为期望输出数据,训练得到识别模型,包括:获取初始模型,其中,初始模型包括第一子模型、第二子模型和第三子模型;利用机器学习算法,将训练样本集中的训练样本包括的样本图像作为第一子模型的输入数据,得到第一子模型的实际输出数据,将第一子模型的实际输出数据作为第二子模型和第三子模型的输入数据,分别得到第二子模型和第三子模型的实际输出数据,基于第二子模型和第三子模型的实际输出数据和期望输出数据,调整初始模型的参数,得到训练完成的初始模型,其中,第二子模型的期望输出数据为与输入的样本图像对应的判别信息,第三子模型的期望输出数据为与输入的样本图像对应的位置信息;将训练完成的初始模型包括的第一子模型和第二子模型确定为判别模型,以及将训练完成的初始模型包括第三子模型确定为定位模型。
在一些实施例中,训练样本集中的训练样本包括的样本图像为以下任意一项:包含猫对象的图像、包含狗对象的图像;以及动物对象包含以下至少一项:猫对象、狗对象。
第二方面,本公开的实施例提供了一种用于生成信息的方法,该方法包括:获取目标图像,以及执行如下处理步骤:将目标图像输入至预先训练的判别模型,生成用于指示输入的目标图像是否包含动物对象的判别信息;响应于确定所生成的判别信息指示输入的目标图像包含动物对象,基于预先训练的定位模型,生成目标图像中的动物对象的位置信息,并将所生成的位置信息作为针对目标图像生成的输出信息;其中,判别模型和定位模型是采用如上述第一方面中用于训练模型的方法中任一实施例的方法训练得到的。
在一些实施例中,该方法还包括:响应于确定所生成的判别信息指示输入的目标图像不包含动物对象,将判别信息作为针对输入的目标图像生成的输出信息。
在一些实施例中,判别模型包括特征提取层;以及将目标图像输入至预先训练的判别模型,生成用于指示输入的目标图像是否包含动物对象的判别信息,包括:将目标图像输入至预先训练的判别模型包括的特征提取层,生成输入的目标图像的特征数据;基于所生成的特征数据,生成用于指示输入的目标图像是否包含动物对象的判别信息。
在一些实施例中,基于预先训练的定位模型,生成目标图像中的动物对象的位置信息,包括:将所生成的特征数据输入至预先训练的定位模型,生成输入的目标图像中的动物对象的位置信息。
在一些实施例中,获取目标图像,包括:从已获取的视频中选取视频帧作为目标图像;以及该方法还包括:响应于确定所生成的判别信息指示输入的目标图像不包含动物对象,从视频中选取未被选取过的视频帧作为新的目标图像,以及基于新的目标图像,继续执行处理步骤。
第三方面,本公开的实施例提供了一种用于训练模型的装置,该装置包括:第一获取单元,被配置成获取训练样本集,其中,训练样本集中的训练样本包括样本图像、与样本图像相对应的判别信息和位置信息,判别信息用于指示对应的样本图像是否包含动物对象,位置信息是用于指示样本图像中的动物对象的位置的信息;训练单元,被配置成利用机器学习算法,将训练样本集中的训练样本包括的样本图像作为输入数据,将与输入的样本图像对应的判别信息和位置信息作为期望输出数据,训练得到识别模型,其中,识别模型包括判别模型和定位模型,判别模型的期望输出数据为判别信息,定位模型的期望输出数据为位置信息。
在一些实施例中,训练单元包括:获取模块,被配置成获取初始模型,其中,初始模型包括第一子模型、第二子模型和第三子模型;训练模块,被配置成利用机器学习算法,将训练样本集中的训练样本包括的样本图像作为第一子模型的输入数据,得到第一子模型的实际输出数据,将第一子模型的实际输出数据作为第二子模型和第三子模型的输入数据,分别得到第二子模型和第三子模型的实际输出数据,基于第二子模型和第三子模型的实际输出数据和期望输出数据,调整初始模型的参数,得到训练完成的初始模型,其中,第二子模型的期望输出数据为与输入的样本图像对应的判别信息,第三子模型的期望输出数据为与输入的样本图像对应的位置信息;确定模块,被配置成将训练完成的初始模型包括的第一子模型和第二子模型确定为判别模型,以及将训练完成的初始模型包括第三子模型确定为定位模型。
在一些实施例中,训练样本集中的训练样本包括的样本图像为以下任意一项:包含猫对象的图像、包含狗对象的图像;以及动物对象包含以下至少一项:猫对象、狗对象。
第四方面,本公开的实施例提供了一种用于生成信息的装置,该装置包括:第二获取单元,被配置成获取目标图像,以及执行如下处理步骤:将目标图像输入至预先训练的判别模型,生成用于指示输入的目标图像是否包含动物对象的判别信息;响应于确定所生成的判别信息指示输入的目标图像包含动物对象,基于预先训练的定位模型,生成目标图像中的动物对象的位置信息,并将所生成的位置信息作为针对目标图像生成的输出信息;其中,判别模型和定位模型是采用如上述第一方面中用于训练模型的方法中任一实施例的方法训练得到的。
在一些实施例中,该装置还包括:确定单元,被配置成响应于确定所生成的判别信息指示输入的目标图像不包含动物对象,将判别信息确定为针对输入的目标图像生成的输出信息。
在一些实施例中,判别模型包括特征提取层;以及将目标图像输入至预先训练的判别模型,生成用于指示输入的目标图像是否包含动物对象的判别信息,包括:将目标图像输入至预先训练的判别模型包括的特征提取层,生成输入的目标图像的特征数据;基于所生成的特征数据,生成用于指示输入的目标图像是否包含动物对象的判别信息。
在一些实施例中,第二获取单元包括:输入模块,被配置成将所生成的特征数据输入至预先训练的定位模型,生成输入的目标图像中的动物对象的位置信息。
在一些实施例中,第二获取单元包括:选取模块,被配置成从已获取的视频中选取视频帧作为目标图像;以及该装置还包括:执行单元,被配置成响应于确定所生成的判别信息指示输入的目标图像不包含动物对象,从视频中选取未被选取过的视频帧作为新的目标图像,以及基于新的目标图像,继续执行处理步骤。
第五方面,本公开的实施例提供了一种用于训练模型的电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得该一个或多个处理器实现如上述第一方面中用于训练模型的方法中任一实施例的方法。
第六方面,本公开的实施例提供了一种用于训练模型的计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面中用于训练模型的方法中任一实施例的方法。
本公开的实施例提供的用于训练模型的方法和装置,通过获取训练样本集,其中,训练样本集中的训练样本包括样本图像、与样本图像相对应的判别信息和位置信息,判别信息用于指示对应的样本图像是否包含动物对象,位置信息是用于指示样本图像中的动物对象的位置的信息,然后,利用机器学习算法,将训练样本集中的训练样本包括的样本图像作为输入数据,将与输入的样本图像对应的判别信息和位置信息作为期望输出数据,训练得到识别模型,其中,识别模型包括判别模型和定位模型,判别模型的期望输出数据为判别信息,定位模型的期望输出数据为位置信息,丰富了模型的训练方式,有助于采用训练得到的模型提高图像处理的效率。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的实施例的用于训练模型的方法或用于训练模型的装置,或者,用于生成信息的方法或用于生成信息的装置的实施例的示例性***架构100。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送数据(例如训练样本)等。终端设备101、102、103上可以安装有各种客户端应用,例如视频播放软件、新闻资讯类应用、图像处理类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持图像呈现的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103发送的图像进行处理(例如生成图像中的动物对象的位置信息)的后台服务器。后台服务器可以生成接收到的图像(例如目标图像)中的动物对象的位置信息。可选的,后台服务器还可以将所生成的位置信息反馈给终端设备。作为示例,服务器105可以是云端服务器,也可以是物理服务器。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
还需要说明的是,本公开的实施例所提供的用于训练模型的方法可以由服务器执行,也可以由终端设备执行,还可以由服务器和终端设备彼此配合执行。相应地,用于训练模型的装置包括的各个部分(例如各个单元、子单元、模块、子模块)可以全部设置于服务器中,也可以全部设置于终端设备中,还可以分别设置于服务器和终端设备中。此外,本公开的实施例所提供的用于生成信息的方法可以由服务器执行,也可以由终端设备执行,还可以由服务器和终端设备彼此配合执行。相应地,用于生成信息的装置包括的各个部分(例如各个单元、子单元、模块、子模块)可以全部设置于服务器中,也可以全部设置于终端设备中,还可以分别设置于服务器和终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。作为示例,当用于训练模型的方法运行于其上的电子设备在执行该方法的过程中,不需要与其他电子设备进行数据传输时,该***架构可以仅包括用于训练模型的方法运行于其上的电子设备(例如服务器或终端设备)。
继续参考图2,示出了根据本公开的用于训练模型的方法的一个实施例的流程200。该用于训练模型的方法,包括以下步骤:
步骤201,获取训练样本集。
在本实施例中,用于训练模型的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从其他电子设备或者本地获取训练样本集。其中,训练样本集中的训练样本包括样本图像、与样本图像相对应的判别信息和位置信息。判别信息用于指示对应的样本图像是否包含动物对象。位置信息是用于指示样本图像中的动物对象的位置的信息。
在这里,上述样本图像可以是各种图像。作为示例,样本图像可以是包含动物对象的图像,也可以是不包含动物对象的图像。动物对象可以是对动物进行拍摄而得到的图像中所呈现的被拍摄的动物的影像。作为示例,样本图像可以是包含猫对象的图像,也可以是包含金鱼对象的图像,还可以是包含狮子对象的图像等等。此外,样本图像也可以是对不包含动物的场景进行拍摄而得到的图像,在此情况下,样本图像中通常不包含动物对象。其中,上述猫对象可以是对猫进行拍摄而得到的图像中所呈现的被拍摄的猫的影像,上述金鱼对象可以是对金鱼进行拍摄而得到的图像中所呈现的被拍摄的金鱼的影像,上述狮子对象可以是对狮子进行拍摄而得到的图像中所呈现的被拍摄的狮子的影像。
可以理解,当样本图像是包含动物对象的图像时,该样本图像对应的判别信息可以用于指示该样本图像包含动物对象,该样本图像对应的位置信息可以用于指示该样本图像中所包含的动物对象的位置;当样本图像是不包含动物对象的图像时,该样本图像对应的判别信息可以用于指示该样本图像不包含动物对象,该样本图像对应的位置信息可以采用预先确定的数据来表征,例如,该样本图像对应的位置信息可以为“null”、“0”等等。位置信息可以是图像中包含动物对象的矩形框的4个角点的坐标,也可以是用于指示图像中的动物对象的中心点的位置的信息。
在本实施例的一些可选的实现方式中,训练样本集中的训练样本包括的样本图像为以下任意一项:包含猫对象的图像、包含狗对象的图像。动物对象包含以下至少一项:猫对象、狗对象。其中,狗对象可以是对狗进行拍摄而得到的图像中所呈现的被拍摄的狗的影像。
可以理解,由于猫、狗通常作为宠物而被饲养,因而,本可选的实现方式可以基于包含宠物对象的样本图像,来通过后续步骤训练得到用以确定图形中是否包含宠物对象、以及确定图像中的宠物对象的位置的识别模型,进而有助于拍摄得到符合特定要求(例如宠物处于图像中的预定位置)的图像。
步骤202,利用机器学习算法,将训练样本集中的训练样本包括的样本图像作为输入数据,将与输入的样本图像对应的判别信息和位置信息作为期望输出数据,训练得到识别模型。
在本实施例中,上述执行主体可以利用机器学习算法,将步骤201中获取到的训练样本集中的训练样本包括的样本图像作为输入数据,将与输入的样本图像对应的判别信息和位置信息作为期望输出数据,训练得到识别模型。其中,识别模型包括判别模型和定位模型,判别模型的期望输出数据为判别信息,定位模型的期望输出数据为位置信息。
在这里,输入数据为训练样本中包括的样本图像。期望输出数据为训练样本中包括的判别信息和位置信息。实际输出数据为将输入数据输入至模型(例如训练得到的识别模型,或者,用于训练得到识别模型的初始模型)之后,该模型经过运算之后实际输出的数据。
在本实施例的一些可选的实现方式中,上述执行主体可以采用如下步骤来执行上述步骤202:
第一步,获取初始模型。其中,初始模型包括第一子模型、第二子模型和第三子模型。
在这里,上述初始模型可以是待对其进行训练的模型,也可以是经过训练但未满足训练结束条件的模型。在这里,上述初始模型可以为卷积神经网络。实践中,上述第一子模型、第二子模型和第三子模型可以分别包括但不限于以下至少一项模型结构:AlexNet、ZFNet、VGGNet、GoogleNet或ResNet。
第二步,利用机器学习算法,将训练样本集中的训练样本包括的样本图像作为第一子模型的输入数据,得到第一子模型的实际输出数据,将第一子模型的实际输出数据作为第二子模型和第三子模型的输入数据,分别得到第二子模型和第三子模型的实际输出数据,基于第二子模型和第三子模型的实际输出数据和期望输出数据,调整初始模型的参数,得到训练完成的初始模型。其中,第二子模型的期望输出数据为与输入的样本图像对应的判别信息,第三子模型的期望输出数据为与输入的样本图像对应的位置信息。
具体地,上述执行主体可以在每次调整初始模型的参数之前,确定当前的初始模型(步骤一中获取到的初始模型,或者,已对步骤一中的初始模型进行过参数调整后得到的新的初始模型)是否符合预先确定的训练结束条件,如果符合该训练结束条件,则将当前的初始模型确定为训练完成的初始模型;如果不符合该训练结束条件,则采用梯度下降法或者其他算法,来调整当前的初始模型的参数。其中,上述初始模型的参数可以包括但不限于以下至少一项:权重、步长、偏置项等等。上述训练结束条件可以包括但不限于以下至少一项:训练次数达到预设次数;训练时间达到预设时长;或者,基于第二子模型和第三子模型的实际输出数据和期望输出数据计算得到的预先确定的损失函数的函数值小于预设阈值。
第三步,将训练完成的初始模型包括的第一子模型和第二子模型确定为判别模型,以及将训练完成的初始模型包括第三子模型确定为定位模型。
可以理解,采用本可选的实现方式训练得到的识别模型包括相对独立的判别模型和定位模型。由此,在使用识别模型的过程中,可以相对独立的确定图像中是否包含动物对象,以及图像中动物对象的位置。此外,在使用本可选的实现方式训练得到的识别模型的过程中,可以首先采用判别模型来确定图像中是否包含动物对象,如果包含,则再采用定位模型确定该图像中的动物对象的位置;如果不包含,则不采用定位模型对该图像进行操作。而现有技术中,在采用卷积神经网络确定图像中的目标对象的位置的过程中,通常无论该图像中是否包含目标对象,均会将该图像输入至用于确定图像中的目标对象的位置的卷积神经网络模型之中。由此,由于本可选的实现方式中的判别模型为二分类模型,其相对于用于确定图像中的目标对象的位置的卷积神经网络模型具有更少的模型参数,因而对图像的处理速度更快,所消耗的计算资源更少,因而,在图像中不包含动物对象的情况下,本可选的实现方案相对于现有技术可以更快速的完成对图像的处理,减少计算资源的使用率。
可选的,上述执行主体也可以采用如下步骤来执行上述步骤202:
第一步,获取初始模型。其中,初始模型包括第一子模型、第二子模型和第三子模型。
在这里,上述初始模型可以是待对其进行训练的模型,也可以是经过训练但未满足训练结束条件的模型。在这里,上述初始模型可以为卷积神经网络。实践中,上述第一子模型、第二子模型和第三子模型可以分别包括但不限于以下至少一项模型结构:AlexNet、ZFNet、VGGNet、GoogleNet或ResNet。
第二步,利用机器学习算法,将训练样本集中的训练样本包括的样本图像作为第一子模型的输入数据,得到第一子模型的实际输出数据,将第一子模型的实际输出数据作为第二子模型和第三子模型的输入数据,分别得到第二子模型和第三子模型的实际输出数据,基于第二子模型和第三子模型的实际输出数据和期望输出数据,调整初始模型的参数,得到训练完成的初始模型。其中,第二子模型的期望输出数据为与输入的样本图像对应的判别信息,第三子模型的期望输出数据为与输入的样本图像对应的位置信息。
具体地,上述执行主体可以在每次调整初始模型的参数之前,确定当前的初始模型(步骤一中获取到的初始模型,或者,已对步骤一中的初始模型进行过参数调整后得到的新的初始模型)是否符合预先确定的训练结束条件,如果符合该训练结束条件,则将当前的初始模型确定为训练完成的初始模型;如果不符合该训练结束条件,则采用梯度下降法或者其他算法,来调整当前的初始模型的参数。其中,上述初始模型的参数可以包括但不限于以下至少一项:权重、步长、偏置项等等。上述训练结束条件可以包括但不限于以下至少一项:训练次数达到预设次数;训练时间达到预设时长;或者,基于第二子模型和第三子模型的实际输出数据和期望输出数据计算得到的预先确定的损失函数的函数值小于预设阈值。
第三步,将训练完成的初始模型包括的第一子模型和第二子模型确定为判别模型,以及将训练完成的初始模型包括第一子模型和第三子模型确定为定位模型。
继续参见图3,图3是根据本实施例的用于训练模型的方法的应用场景的一个示意图。在图3的应用场景中,服务器301首先获取训练样本集3011。其中,训练样本集3011中的训练样本包括样本图像、与样本图像相对应的判别信息和位置信息。判别信息用于指示对应的样本图像是否包含动物对象。位置信息是用于指示样本图像中的动物对象的位置的信息。然后,服务器301利用机器学习算法,将训练样本集3011中的训练样本包括的样本图像作为输入数据,将与输入的样本图像对应的判别信息和位置信息作为期望输出数据,训练得到识别模型3012。其中,识别模型3012包括判别模型和定位模型,判别模型的期望输出数据为判别信息,定位模型的期望输出数据为位置信息。
本公开的上述实施例提供的用于训练模型的方法,通过获取训练样本集,其中,训练样本集中的训练样本包括样本图像、与样本图像相对应的判别信息和位置信息,判别信息用于指示对应的样本图像是否包含动物对象,位置信息是用于指示样本图像中的动物对象的位置的信息,然后,利用机器学习算法,将训练样本集中的训练样本包括的样本图像作为输入数据,将与输入的样本图像对应的判别信息和位置信息作为期望输出数据,训练得到识别模型,其中,识别模型包括判别模型和定位模型,判别模型的期望输出数据为判别信息,定位模型的期望输出数据为位置信息,丰富了模型的训练方式,有助于采用训练得到的模型提高图像处理的效率。
进一步参考图4,其示出了用于生成信息的方法的一个实施例的流程400。该用于生成信息的方法的流程400,包括以下步骤:
步骤401,获取目标图像。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从其他电子设备或者本地获取目标图像。
在这里,上述目标图像可以是各种图像。作为示例,目标图像可以是包含动物对象的图像,也可以是不包含动物对象的图像。动物对象可以是对动物进行拍摄而得到的图像中所呈现的被拍摄的动物的影像。
步骤402,将目标图像输入至预先训练的判别模型,生成用于指示输入的目标图像是否包含动物对象的判别信息。
在本实施例中,上述执行主体可以将步骤401获取到的目标图像输入至预先训练的判别模型,生成用于指示输入的目标图像是否包含动物对象的判别信息。
步骤403,响应于确定所生成的判别信息指示输入的目标图像包含动物对象,基于预先训练的定位模型,生成目标图像中的动物对象的位置信息,并将所生成的位置信息作为针对目标图像生成的输出信息。
在本实施例中,在确定所生成的判别信息指示输入的目标图像包含动物对象的情况下,上述执行主体可以基于预先训练的定位模型,生成目标图像中的动物对象的位置信息,并将所生成的位置信息作为针对目标图像生成的输出信息。
在本实施例中,判别模型和定位模型是采用如上述图2对应的用于训练模型的方法中任一实施例的方法训练得到的。
作为示例,当判别模型包括的第一子模型时,上述执行主体可以将判别模型包括的第一子模型输出的数据输入至预先训练的定位模型,从而生成目标图像中的动物对象的位置信息。
作为又一示例,当定位模型的输入数据为图像时,上述执行主体可以将目标图像输入至预先训练的定位模型,从而生成目标图像中的动物对象的位置信息。其中,定位模型可以为采用机器学习算法,基于包括样本图像和样本图像中的位置信息的训练样本训练得到的模型。
在一些情况下,在将判别信息作为针对输入的目标图像生成的输出信息之后,上述执行主体可以输出上述输出信息。
可以理解,通常,本实施例中用于输出信息的方法可以用于确定图像中的目标物体对象的位置,由此,在上述执行主体基于预先训练的定位模型,生成目标图像中的动物对象的位置信息,并将所生成的位置信息作为针对目标图像生成的输出信息的情况下,上述执行主体可以生成用于表征动物对象的位置的输出信息。
在本实施例的一些可选的实现方式中,上述执行主体还可以执行如下步骤:在确定所生成的判别信息指示输入的目标图像不包含动物对象的情况下,将判别信息作为针对输入的目标图像生成的输出信息。
可以理解,在用于输出信息的方法用于确定图像中的目标物体对象的位置并且上述执行主体在确定所生成的判别信息指示输入的目标图像不包含动物对象,将判别信息作为针对输入的目标图像生成的输出信息的情况下,上述执行主体可以生成用于表征图像中不包含动物对象的输出信息,以及输出上述输出信息。
需要说明的是,在确定所生成的判别信息指示输入的目标图像不包含动物对象的情况下,上述执行主体或者与上述执行主体通信连接的电子设备可以无需再确定图像中动物对象的位置。而现有技术中,在采用卷积神经网络确定图像中的目标对象的位置的过程中,通常无论该图像中是否包含目标对象,均会将该图像输入至用于确定图像中的目标对象的位置的卷积神经网络模型之中。由此,在图像中不包含动物对象的情况下,本可选的实现方案相对于现有技术可以更快速的完成对图像的处理,减少计算资源的使用率。
在本实施例的一些可选的实现方式中,判别模型包括特征提取层。由此,上述执行主体还可以采用如下步骤,来执行上述步骤402:
步骤一,将目标图像输入至预先训练的判别模型包括的特征提取层,生成输入的目标图像的特征数据。
在这里,上述特征提取层可以包含一个或多个卷积层。上述特征数据可以是用于表征目标图像的纹理、轮廓、颜色中的一项或多项特征的数据。这里,当初始模型包括第一子模型、第二子模型、第三子模型时,上述特征提取层可以是上述判别模型包括的第一子模型,也可以是上述判别模型包括的第一子模型中的一个或多个卷积层,上述特征提取层还可以包括第一子模型,以及第二子模型中的一个或多个卷积层。
步骤二,基于所生成的特征数据,生成用于指示输入的目标图像是否包含动物对象的判别信息。
作为示例,上述执行主体可以将所生成的特征数据输入至上述判别模型中的、特征提取层的后续模型结构中,从而生成用于指示输入的目标图像是否包含动物对象的判别信息。
作为又一示例,上述执行主体还可以在预先关联存储有特征数据和判别信息的表格或数据库中,查找与所生成的特征数据的相似度最高的特征数据,并将与所查找到的特征数据关联存储的判别信息确定为上述步骤二所生成的判别信息。其中,上述相似度可以包括但不限于:欧氏距离、余弦相似度等等。
在本实施例的一些可选的实现方式中,上述执行主体还可以采用如下步骤,来执行上述步骤403:将所生成的特征数据输入至预先训练的定位模型,生成输入的目标图像中的动物对象的位置信息。
可以理解,在本可选的实现方式中,在确定所生成的判别信息指示输入的目标图像包含动物对象的情况下,上述执行主体可以基于识别模型所包括的定位模型,来确定输入的目标图像中的动物对象的位置信息,由此,提高了确定图像中的动物对象的位置的准确性。
需要说明的是,除上面所记载的内容外,本实施例还可以包括与图2对应的实施例相同或类似的特征、效果,在此不再赘述。
本公开的上述实施例提供的用于生成信息的方法,通过获取目标图像,以及执行如下处理步骤:将目标图像输入至预先训练的判别模型,生成用于指示输入的目标图像是否包含动物对象的判别信息,然后,响应于确定所生成的判别信息指示输入的目标图像包含动物对象,基于预先训练的定位模型,生成目标图像中的动物对象的位置信息,并将所生成的位置信息作为针对目标图像生成的输出信息,其中,判别模型和定位模型是采用如上述第一方面中用于训练模型的方法中任一实施例的方法训练得到的,丰富了生成目标图像中的动物对象的位置信息的方式,提高了生成目标图像中的动物对象的位置信息的准确性。
进一步参考图5,其示出了用于生成信息的方法的又一个实施例的流程500。该用于生成信息的方法的流程500,包括以下步骤:
步骤501,从已获取的视频中选取视频帧作为目标图像。之后,继续执行步骤502。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从其他电子设备或者本地获取视频,然后,从已获取的视频中选取视频帧作为目标图像。
其中,上述视频可以是各种视频。作为示例,上述视频可以是对动物进行拍摄而得到的视频,也可以是对动物之外的其他物体进行拍摄而得到的视频。可以理解,当视频为对动物进行拍摄而得到的视频时,该视频中的全部视频帧或者部分视频帧中可以包含动物对象。
可以理解,视频中的视频帧即为图像。
在这里,上述执行主体可以随机地从已获取的视频中选取视频帧作为目标图像,也可以从已获取的视频中选取当前呈现的视频帧作为目标图像。
步骤502,将目标图像输入至预先训练的判别模型,生成用于指示输入的目标图像是否包含动物对象的判别信息。之后,继续执行步骤503。
在本实施例中,步骤502与图4对应实施例中的步骤402基本一致,这里不再赘述。
步骤503,确定所生成的判别信息是否指示输入的目标图像包含动物对象。之后,若是,则继续执行步骤504;若否,则继续执行步骤505。
在本实施例中,上述执行主体可以确定所生成的判别信息是否指示输入的目标图像包含动物对象。
步骤504,基于预先训练的定位模型,生成目标图像中的动物对象的位置信息,并将所生成的位置信息作为针对目标图像生成的输出信息。之后,继续执行步骤505。
在本实施例中,步骤504与图4对应实施例中的步骤403基本一致,这里不再赘述。
步骤505,从视频中选取未被选取过的视频帧作为新的目标图像。之后,继续执行步骤502。
在这里,上述执行主体可以从视频中未被选取过的视频帧中,随机地选取视频帧作为新的目标图像,也可以从视频中未被选取过的视频帧中,选取当前呈现的视频帧作为新的目标图像,还可以选取当前所选取的目标图像的后续视频帧(例如当前所选取的目标图像的下一帧视频帧、位于当前所选取的目标图像之后的第2帧视频帧等等)作为新的目标图像。
需要说明的是,除上面所记载的内容外,本实施例还可以包括与图4对应的实施例相同或类似的特征、效果,在此不再赘述。
从图5中可以看出,与图4对应的实施例相比,本实施例中的用于训练模型的方法的流程500突出了对视频中的全部或者部分视频帧中的动物对象的定位步骤。由此,本实施例描述的方案丰富了生成视频包括的视频帧中的动物对象的位置信息的方式,提高了生成视频包括的视频帧中的动物对象的位置信息的准确性。在视频帧中不包含动物对象的情况下无需确定其中的动物对象的位置,提高了图像处理的效率,减少了图像处理过程中所消耗的计算资源。
进一步参考图6,作为对上述图2所示方法的实现,本公开提供了一种用于训练模型的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,除下面所记载的特征外,该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征,以及产生与图2所示的方法实施例相同或相应的效果。该装置具体可以应用于各种电子设备中。
如图6所示,本实施例的用于训练模型的装置600包括:第一获取单元601和训练单元602。其中,第一获取单元601被配置成获取训练样本集,其中,训练样本集中的训练样本包括样本图像、与样本图像相对应的判别信息和位置信息,判别信息用于指示对应的样本图像是否包含动物对象,位置信息是用于指示样本图像中的动物对象的位置的信息;训练单元602被配置成利用机器学习算法,将训练样本集中的训练样本包括的样本图像作为输入数据,将与输入的样本图像对应的判别信息和位置信息作为期望输出数据,训练得到识别模型,其中,识别模型包括判别模型和定位模型,判别模型的期望输出数据为判别信息,定位模型的期望输出数据为位置信息。
在本实施例中,用于训练模型的装置600的第一获取单元601可以获取训练样本集。其中,训练样本集中的训练样本包括样本图像、与样本图像相对应的判别信息和位置信息,判别信息用于指示对应的样本图像是否包含动物对象,位置信息是用于指示样本图像中的动物对象的位置的信息。
在本实施例中,上述训练单元602可以利用机器学习算法,将第一获取单元获取到的训练样本集中的训练样本包括的样本图像作为输入数据,将与输入的样本图像对应的判别信息和位置信息作为期望输出数据,训练得到识别模型。其中,识别模型包括判别模型和定位模型,判别模型的期望输出数据为判别信息,定位模型的期望输出数据为位置信息。
在本实施例的一些可选的实现方式中,训练单元602包括:获取模块(图中未示出)被配置成获取初始模型,其中,初始模型包括第一子模型、第二子模型和第三子模型。训练模块(图中未示出)被配置成利用机器学习算法,将训练样本集中的训练样本包括的样本图像作为第一子模型的输入数据,得到第一子模型的实际输出数据,将第一子模型的实际输出数据作为第二子模型和第三子模型的输入数据,分别得到第二子模型和第三子模型的实际输出数据,基于第二子模型和第三子模型的实际输出数据和期望输出数据,调整初始模型的参数,得到训练完成的初始模型,其中,第二子模型的期望输出数据为与输入的样本图像对应的判别信息,第三子模型的期望输出数据为与输入的样本图像对应的位置信息。确定模块(图中未示出)被配置成将训练完成的初始模型包括的第一子模型和第二子模型确定为判别模型,以及将训练完成的初始模型包括第三子模型确定为定位模型。
在本实施例的一些可选的实现方式中,训练样本集中的训练样本包括的样本图像为以下任意一项:包含猫对象的图像、包含狗对象的图像。动物对象包含以下至少一项:猫对象、狗对象。
本公开的上述实施例提供的用于训练模型的装置,通过第一获取单元601获取训练样本集,其中,训练样本集中的训练样本包括样本图像、与样本图像相对应的判别信息和位置信息,判别信息用于指示对应的样本图像是否包含动物对象,位置信息是用于指示样本图像中的动物对象的位置的信息,然后,训练单元602利用机器学习算法,将训练样本集中的训练样本包括的样本图像作为输入数据,将与输入的样本图像对应的判别信息和位置信息作为期望输出数据,训练得到识别模型,其中,识别模型包括判别模型和定位模型,判别模型的期望输出数据为判别信息,定位模型的期望输出数据为位置信息,丰富了模型的训练方式,有助于采用训练得到的模型提高图像处理的效率。
进一步参考图7,作为对上述图4所示方法的实现,本公开提供了一种用于生成信息的装置的一个实施例,该装置实施例与图4所示的方法实施例相对应,除下面所记载的特征外,该装置实施例还可以包括与图4所示的方法实施例相同或相应的特征,以及产生与图4所示的方法实施例相同或相应的效果。该装置具体可以应用于各种电子设备中。
如图7所示,本实施例的用于生成信息的装置700包括:第二获取单元701。其中,第二获取单元701被配置成获取目标图像,以及执行如下处理步骤:将目标图像输入至预先训练的判别模型,生成用于指示输入的目标图像是否包含动物对象的判别信息;响应于确定所生成的判别信息指示输入的目标图像包含动物对象,基于预先训练的定位模型,生成目标图像中的动物对象的位置信息,并将所生成的位置信息作为针对目标图像生成的输出信息;其中,判别模型和定位模型是采用如上述图2对应的用于训练模型的方法中任一实施例的方法训练得到的。
在本实施例中,用于生成信息的装置700的第二获取单元701可以获取目标图像,以及执行如下处理步骤:将目标图像输入至预先训练的判别模型,生成用于指示输入的目标图像是否包含动物对象的判别信息;响应于确定所生成的判别信息指示输入的目标图像包含动物对象,基于预先训练的定位模型,生成目标图像中的动物对象的位置信息,并将所生成的位置信息作为针对目标图像生成的输出信息;其中,判别模型和定位模型是采用如上述图2对应的用于训练模型的方法中任一实施例的方法训练得到的。
在本实施例的一些可选的实现方式中,该装置700还包括:确定单元(图中未示出)被配置成响应于确定所生成的判别信息指示输入的目标图像不包含动物对象,将判别信息确定为针对输入的目标图像生成的输出信息。
在本实施例的一些可选的实现方式中,判别模型包括特征提取层。由此,将目标图像输入至预先训练的判别模型,生成用于指示输入的目标图像是否包含动物对象的判别信息,包括:将目标图像输入至预先训练的判别模型包括的特征提取层,生成输入的目标图像的特征数据;基于所生成的特征数据,生成用于指示输入的目标图像是否包含动物对象的判别信息。
在本实施例的一些可选的实现方式中,第二获取单元701包括:输入模块(图中未示出)被配置成将所生成的特征数据输入至预先训练的定位模型,生成输入的目标图像中的动物对象的位置信息。
在本实施例的一些可选的实现方式中,第二获取单元701包括:选取模块(图中未示出)被配置成从已获取的视频中选取视频帧作为目标图像。由此,该装置700还包括:执行单元(图中未示出)被配置成响应于确定所生成的判别信息指示输入的目标图像不包含动物对象,从视频中选取未被选取过的视频帧作为新的目标图像,以及基于新的目标图像,继续执行处理步骤。
本公开的上述实施例提供的用于生成信息的装置,通过第二获取单元701获取目标图像,以及执行如下处理步骤:将目标图像输入至预先训练的判别模型,生成用于指示输入的目标图像是否包含动物对象的判别信息;响应于确定所生成的判别信息指示输入的目标图像包含动物对象,基于预先训练的定位模型,生成目标图像中的动物对象的位置信息,并将所生成的位置信息作为针对目标图像生成的输出信息;其中,判别模型和定位模型是采用如上述图2对应的用于训练模型的方法中任一实施例的方法训练得到的,丰富了生成目标图像中的动物对象的位置信息的方式,提高了生成目标图像中的动物对象的位置信息的准确性。
下面参考图8,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)800的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图8示出的终端设备/服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
通常,以下装置可以连接至I/O接口805:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807;包括例如磁带、硬盘等的存储装置808;以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图8中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置809从网络上被下载和安装,或者从存储装置808被安装,或者从ROM802被安装。在该计算机程序被处理装置801执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取训练样本集,其中,训练样本集中的训练样本包括样本图像、与样本图像相对应的判别信息和位置信息,判别信息用于指示对应的样本图像是否包含动物对象,位置信息是用于指示样本图像中的动物对象的位置的信息;利用机器学习算法,将训练样本集中的训练样本包括的样本图像作为输入数据,将与输入的样本图像对应的判别信息和位置信息作为期望输出数据,训练得到识别模型,其中,识别模型包括判别模型和定位模型,判别模型的期望输出数据为判别信息,定位模型的期望输出数据为位置信息。或者,使得该电子设备:获取目标图像,以及执行如下处理步骤:将目标图像输入至预先训练的判别模型,生成用于指示输入的目标图像是否包含动物对象的判别信息;响应于确定所生成的判别信息指示输入的目标图像包含动物对象,基于预先训练的定位模型,生成目标图像中的动物对象的位置信息,并将所生成的位置信息作为针对目标图像生成的输出信息;其中,判别模型和定位模型是采用如上述图2对应的用于训练模型的方法中任一实施例的方法训练得到的。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一获取单元和训练单元。或者,也可以描述为:一种处理器包括第二获取单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取训练样本集的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。