CN110399894A - 用于匹配图片中实体的方法和装置 - Google Patents

Abstract

本申请实施例公开了一种用于匹配图片中实体的方法和装置。方法的一个具体实施方式包括：获取验证页面中的基准图片和待操作图片；从基准图片中，划分各个基准实体子图；从待操作图片中，检测各个待操作实体子图；遍历每一个基准实体子图，并在访问每一个基准实体子图时，确定与当前基准实体子图匹配概率最高的待操作实体子图，并点击所确定的待操作实体子图。该方法能够提高确定用于匹配的子图的效率，并且提高匹配结果的准确率，从而可以加速验证通过，提升了获取数据和更新数据的效率。

Description

用于匹配图片中实体的方法和装置

技术领域

本申请涉及计算机技术领域，具体涉及计算机网络技术领域，尤其涉及用于匹配图片中实体的方法和装置。

背景技术

在从互联网公开资源中获取数据时，某些公开数据需要通过验证后才可以获取。而通过验证的方式，需要按照基准图片中基准实体的排列顺序点击待操作图片中的待操作实体，若点击顺序正确则通过验证。其中，实体是指存在于现实世界中并且可以与其他物体区分开来的物体。

目前的图片中实体的匹配方法主要有以下两种：第一种是OCR识别，采用深度学习模型直接识别基准图片和待操作图片中的具体实体和位置，两张图片中相对应的实体可以直接识别；第二种是采用图片像素聚类的方式进行基准图片和待操作图片中的具体实***置的识别，再对两张图片中的实体区域进行相似度匹配策略等。

发明内容

本申请实施例提出一种用于匹配图片中实体的方法和装置。

第一方面，本申请实施例提供了一种用于匹配图片中实体的方法，包括：获取验证页面中的基准图片和待操作图片；从基准图片中，划分各个基准实体子图；从待操作图片中，检测各个待操作实体子图；遍历每一个基准实体子图，并在访问每一个基准实体子图时，确定与当前基准实体子图匹配概率最高的待操作实体子图，并点击所确定的待操作实体子图。

在一些实施例中，从基准图片中，划分各个基准实体子图包括：根据像素特征，识别基准图片中包括实体像素的实体区域；切分实体区域中的各个实体，得到各个基准实体子图。

在一些实施例中，从待操作图片中，检测各个待操作实体子图包括：采用预先训练的深度学习神经网络模型检测待操作图片，得到各个待操作实体子图。

在一些实施例中，预先训练的深度学习神经网络模型包括：卷积神经网络、候选区域生成网络、分类器网络和位置校正网络；以及采用预先训练的深度学习神经网络模型检测待操作图片，得到各个待操作实体子图包括：将待操作图片输入卷积神经网络，生成待操作图片的特征图；将待操作图片的特征图输入候选区域生成网络，生成多个候选区域；将待操作图片的特征图和多个候选区域输入分类器网络，生成多个实体区域；将待操作图片的特征图和多个实体区域输入位置校正网络，生成多个实***置；将多个实***置作为待操作实体子图输出。

在一些实施例中，确定与当前基准实体子图确定的匹配概率最高的待操作实体子图包括：采用预先训练的图像语义相似模型，确定该基准实体子图与各个待操作实体子图的匹配概率；以及从各个待操作实体子图中确定匹配概率最高的待操作实体子图。

在一些实施例中，预先训练的图像语义相似模型包括：预训练的VGG网络、相似层网络和回归网络；采用预先训练的图像语义相似模型，确定该基准实体子图与各个待操作实体子图的匹配概率包括：采用预训练的VGG网络，分别提取该基准实体子图的特征图和各个待操作实体子图的特征图；将该基准实体子图的特征图与各个待操作实体子图的特征图输入相似层网络，得到该基准实体子图与各个待操作实体子图的相似度；将相似度输入回归网络，得到该基准实体子图与各个待操作实体子图的匹配概率。

在一些实施例中，预先训练的深度学习神经网络模型经由以下步骤确定：获取已标注待操作实体子图的样本；采用已标注待操作实体子图的样本的训练集，训练深度学习神经网络模型初始模型，得到训练好的深度学习神经网络模型；采用已标注待操作实体子图的样本的验证集，优化训练好的深度学习神经网络模型的模型参数，得到预先训练的深度学习神经网络模型。

在一些实施例中，预先训练的图像语义相似模型经由以下步骤确定：获取匹配样本数据，匹配样本数据的每一对样本包括相匹配的已标注基准实体子图的基准图片和已标注待操作实体子图的待操作图片；对于匹配样本数据的基准图片中的单个基准实体子图，调整匹配样本数据中与其相匹配的待操作图片中各个待操作实体子图的顺序，生成训练样本；采用训练样本的训练集，训练图像语义相似模型的初始模型，得到训练好的图像语义相似模型；采用训练样本的验证集，优化训练好的图像语义相似模型的模型参数，得到预先训练的图像语义相似模型。

第二方面，本申请实施例提供了一种用于匹配图片中实体的装置，包括：获取单元，被配置成获取验证页面中的基准图片和待操作图片；划分单元，被配置成从基准图片中，划分各个基准实体子图；检测单元，被配置成从待操作图片中，检测各个待操作实体子图；确定单元，被配置成遍历每一个基准实体子图，并在访问每一个基准实体子图时，确定与当前基准实体子图匹配概率最高的待操作实体子图，并点击所确定的待操作实体子图。

在一些实施例中，划分单元包括：识别单元，被配置成根据像素特征，识别基准图片中包括实体像素的实体区域；切分单元，被配置成切分实体区域中的各个实体，得到各个基准实体子图。

在一些实施例中，检测单元进一步用于：采用预先训练的深度学习神经网络模型检测待操作图片，得到各个待操作实体子图。

在一些实施例中，检测单元中所采用的预先训练的深度学习神经网络模型包括：卷积神经网络、候选区域生成网络、分类器网络和位置校正网络；以及检测单元进一步用于：将待操作图片输入卷积神经网络，生成待操作图片的特征图；将待操作图片的特征图输入候选区域生成网络，生成多个候选区域；将待操作图片的特征图和多个候选区域输入分类器网络，生成多个实体区域；将待操作图片的特征图和多个实体区域输入位置校正网络，生成多个实***置；将多个实***置作为待操作实体子图输出。

在一些实施例中，确定单元进一步用于：采用预先训练的图像语义相似模型，确定该基准实体子图与各个待操作实体子图的匹配概率；以及从各个待操作实体子图中确定匹配概率最高的待操作实体子图。

在一些实施例中，确定单元中所采用的预先训练的图像语义相似模型包括：预训练的VGG网络、相似层网络和回归网络；确定单元进一步用于包括：采用预训练的VGG网络，分别提取该基准实体子图的特征图和各个待操作实体子图的特征图；将该基准实体子图的特征图与各个待操作实体子图的特征图输入相似层网络，得到该基准实体子图与各个待操作实体子图的相似度；将相似度输入回归网络，得到该基准实体子图与各个待操作实体子图的匹配概率。

在一些实施例中，检测单元中所采用的预先训练的深度学习神经网络模型经由以下步骤确定：获取已标注待操作实体子图的样本；采用已标注待操作实体子图的样本的训练集，训练深度学习神经网络模型初始模型，得到训练好的深度学习神经网络模型；采用已标注待操作实体子图的样本的验证集，优化训练好的深度学习神经网络模型的模型参数，得到预先训练的深度学习神经网络模型。

在一些实施例中，确定单元中所采用的预先训练的图像语义相似模型经由以下步骤确定：获取匹配样本数据，匹配样本数据的每一对样本包括相匹配的已标注基准实体子图的基准图片和已标注待操作实体子图的待操作图片；对于匹配样本数据的基准图片中的单个基准实体子图，调整匹配样本数据中与其相匹配的待操作图片中各个待操作实体子图的顺序，生成训练样本；采用训练样本的训练集，训练图像语义相似模型的初始模型，得到训练好的图像语义相似模型；采用训练样本的验证集，优化训练好的图像语义相似模型的模型参数，得到预先训练的图像语义相似模型。

第三方面，本申请实施例提供了一种设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上任一所述的一种用于匹配图片中实体的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上任一所述的一种用于匹配图片中实体的方法。

本申请实施例提供的用于匹配图片中实体的方法和装置，首先获取验证页面中的基准图片和待操作图片；之后，从所述基准图片中，划分各个基准实体子图；之后，从所述待操作图片中，检测各个待操作实体子图；最后，遍历每一个基准实体子图，并在访问每一个基准实体子图时，确定与当前基准实体子图匹配概率最高的待操作实体子图，并点击所确定的待操作实体子图。在这一过程中，通过确定单个基准实体子图和各个待操作实体子图的匹配概率来确定需要点击的待操作实体子图，可以提高确定用于匹配的子图的效率，并且提高匹配结果的准确率，从而可以加速验证通过，提升了获取数据和更新数据的效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1示出了本申请实施例可以应用于其中的示例性***架构；

图2是根据本申请实施例的用于匹配图片中实体的方法的一个实施例的示意性流程图；

图3a是根据本申请实施例的获取验证页面中的基准图片和待操作图片的实施例的示例性应用场景；

图3b是根据本申请实施例的从基准图片中划分各个基准实体子图的实施例的示例性应用场景；

图3c是根据本申请实施例的从待操作图片中检测各个待操作实体子图的实施例的示例性应用场景；

图3d是根据本申请实施例的从待操作实体子图中确定与基准实体子图匹配概率最高的待操作实体子图的实施例的示例性应用场景；

图4是根据本申请实施例的确定各个待操作实体子图的方法的一个实施例的示意性流程图；

图5是根据本申请实施例的采用预先训练的图像语义相似模型确定当前基准实体子图与各个待操作实体子图的匹配概率的一个实施例的示意性流程图；

图6是根据本申请实施例的用于匹配图片中实体的装置的一个实施例的示例性结构图；

图7是适于用来实现本申请实施例的终端设备或服务器的计算机***的结构示意图。

具体实施方式

下面结合附图和实施例对本申请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，本申请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申请。

请参考图1，图1示出了可以应用本申请的用于匹配图片中实体的方法或用于匹配图片中实体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、106。网络104用以在终端设备101、102、103和服务器105、106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110可以使用终端设备101、102、103通过网络104与服务器105、106交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如拍摄类应用、搜索引擎类应用、购物类应用、即时通信工具、邮箱客户端、社交平台软件、视频播放类应用等。

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)，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、106可以是提供各种服务的服务器。例如服务器105、106可以是对终端设备101、102、103提供支持的后台服务器。后台服务器可以对终端提交的数据进行分析、存储或计算等处理，并将获得的数据处理结果推送给终端设备。

通常情况下，本申请实施例所提供的用于匹配图片中实体的方法一般由服务器105、106执行，相应地，用于匹配图片中实体的装置一般设置于服务器105、106中。当然，在终端设备101、102、103具有强大的数据分析、存储、计算能力时，本申请实施例所提供的用于匹配图片中实体的方法可以由终端设备101、102、103执行，相应地，用于匹配图片中实体的装置也可以设置于终端设备101、102、103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。

进一步参考图2，图2示出了根据本申请实施例的用于匹配图片中实体的方法的一个实施例的示意性流程图。

如图2所示，用于匹配图片中实体的方法200包括：

在步骤210中，获取验证页面中的基准图片和待操作图片。

在本实施例中，用于匹配图片中实体的方法的执行主体(例如图1所示的服务器105、106)可以从验证页面获取基准图片和待操作图片。这里的基准图片，是指验证时用于指示待操作图片中的实体的点击顺序的图片。这里的待操作图片，是指可以接收点击的图片。用户可以以基准图片中的实体的排列顺序为依据，点击待操作图片中的实体以通过验证。这里的实体，是指客观世界中存在的且可互相区分的事物。例如，这里的实体可以为文字、动物、植物、图形等。

在步骤220中，从基准图片中，划分各个基准实体子图。

在本实施例中，可以通过现有技术或未来发展的技术中的识别方法，从基准图片中，识别并划分出各个基准实体子图。例如，采用预先训练的仅用于区分是否为实体的检测模型检测出基准图片中的各个基准实体子图。

在本实施例的一些可选实现方式中，可以首先根据像素特征，识别基准图片中包括实体像素的实体区域，之后切分实体区域中的各个实体，得到各个基准实体子图。

在本实现方式中，图像的小方格即所谓的像素(pixel)，这些小方块都有一个明确的位置和被分配的色彩数值，而这些一小方格的颜色和位置就决定该图像所呈现出来的样子。像素可以被视为整个图像中不可分割的单位或者是元素，不可分割的意思是它不能够再切割成更小单位抑或是元素，它是以一个单一颜色的小格存在。每一个点阵图像包含了一定量的像素。

根据像素特征来识别基准图片中的包括实体像素的实体区域，也即根据该像素的颜色或色彩数值来识别基准图片中的包括实体像素的实体区域。在识别该实体区域后，可以进一步根据该实体区域中的各个像素的颜色或色彩数值与背景像素的颜色或色彩数值，切分实体区域中的各个实体，得到各个基准实体图。

通过采用根据像素特征得到各个基准实体子图的方法，可以减少在得到基准实体子图的过程中需要计算的数据量，从而提高得到各个基准实体子图的效率。

在步骤230中，从待操作图片中，检测各个待操作实体子图。

在本实施例中，可以通过现有技术或未来发展的技术中的检测方法，从待操作图片中，检测各个待操作实体子图。例如，采用像素聚类的方式，来检测待操作图片中的各个待操作实体子图。

在本实施例的一些可选实现方式中，还可以采用预先训练的深度学习神经网络模型检测待操作图片，得到各个待操作实体子图。

这里的深度学习神经网络模型，可以采用多层神经网络级联得到，本申请对此不作限定。例如，深度学习神经网络模型可以采用LeNet、AlexNet、GoogLeNet、VGG、ResNet等网络来实现。在这里，可以采用标注了实体和非实体的图片作为样本，来训练深度学习神经网络模型。

通过采用预先训练的深度学习神经网络模型，可以提高对各个待操作实体子图的检测准确率。

在本实施例的一些可选实现方式中，预先训练的深度学习神经网络模型，可以经由以下步骤确定：获取已标注待操作实体子图的样本；采用已标注待操作实体子图的样本的训练集训练深度学习神经网络初始模型，得到训练好的深度学习神经网络模型；采用已标注待操作实体子图的样本的验证集，优化训练好的深度学习神经网络模型的模型参数，得到预先训练的深度学习神经网络模型。

在机器学习中，一般将样本分成独立的三部分训练集(train set)，验证集(validation set)和测试集(test set)。其中训练集用来估计模型，验证集用来确定网络结构或者控制模型复杂程度的参数，而测试集则检验最终选择最优的模型的性能如何。训练集、验证机和测试集的样本的数量，可以预先根据经验或历史训练数据确定。

一个典型的划分是训练集占总样本的50％，而其它各占25％，三部分都是从样本中随机抽取。但是，当样本总量少的时候，上面的划分就不合适了。常用的是留少部分做测试集。然后对其余N(N为大于0的自然数)个样本采用K(K小于等于N)折交叉验证法。就是将样本打乱，然后均匀分成K份，轮流选择其中K-1份训练，剩余的1份做验证，计算预测误差平方和，最后将K次的预测误差平方和再做平均作为选择最优模型结构的依据。特别的K取N，就是留一法(leave one out)。

在步骤240中，遍历每一个基准实体子图，并在访问每一个基准实体子图时，确定与当前基准实体子图匹配概率最高的待操作实体子图，并点击所确定的待操作实体子图。

在本实施例中，对于基准图片中按顺序排列的每一个基准实体子图，需要确定待操作图片中与其相对应的实体子图，并点击确定的待操作实体子图。在确定与当前基准实体子图对应的待操作实体子图时，可以计算每一个待操作实体子图与当前基准实体子图的匹配概率，将匹配概率最高的待操作实体子图作为当前基准实体子图的匹配子图，并点击该匹配子图。

其中，计算待操作实体子图与基准实体子图的匹配概率的方法，可以为现有技术或未来发展的技术中的计算图像匹配概率的方法。本申请对此不做限定。例如，匹配概率的算法可以为基于灰度的匹配算法、基于特征的匹配算法、基于关系的匹配算法等。其中，基于灰度的模板匹配算法：模板匹配(Blocking Matching)是根据已知模板图像到另一幅图像中寻找与模板图像相似的子图像。基于特征的匹配算法为首先提取图像的特征，再生成特征描述子，最后根据描述子的相似程度对两幅图像的特征之间进行匹配，其中，图像的特征主要可以分为点、线(边缘)、区域(面)等特征，也可以分为局部特征和全局特征。基于关系的匹配算法是建立语义的网络进行匹配。基于关系的匹配算法是指根据两幅图像的语义之间的关系对两幅图像进行匹配。

在本实施例的一些可选实现方式中，确定与当前基准实体子图确定的匹配概率最高的待操作实体子图包括：采用预先训练的图像语义相似模型，确定该基准实体子图与各个待操作实体子图的匹配概率；从各个待操作实体子图中确定匹配概率最高的待操作实体子图。

在本实现方式中，这里的图像语义相似模型，可以采用多层神经网络级联得到，本申请对此不作限定。例如，图像语义相似模型，可以采用LeNet、AlexNet、GoogLeNet、VGG、ResNet等网络来实现。在这里，可以采用标注了语义相似的匹配图片作为样本，来训练图像语义相似模型。

在本实施例的一些可选实现方式中，预先训练的图像语义相似模型经由以下步骤确定：获取匹配样本数据，匹配样本数据的每一对样本包括相匹配的已标注基准实体子图的基准图片和已标注待操作实体子图的待操作图片；对于匹配样本数据的基准图片中的单个基准实体子图，调整匹配样本数据中与其相匹配的待操作图片中各个待操作实体子图的顺序，生成训练样本；采用训练样本的训练集，训练图像语义相似模型的初始模型，得到训练好的图像语义相似模型；采用训练样本的验证集，优化训练好的图像语义相似模型的模型参数，得到预先训练的图像语义相似模型。

在机器学习和模式识别等领域中，一般需要将样本分成独立的三部分训练集(train set)，验证集(validation set)和测试集(test set)。其中训练集用来估计模型，验证集用来确定网络结构或者控制模型复杂程度的参数，而测试集则检验最终选择最优的模型的性能如何。训练集、验证机和测试集的样本的数量，可以预先根据经验或历史训练数据确定。

一个典型的划分是训练集占总样本的50％，而其它各占25％，三部分都是从样本中随机抽取。但是，当样本总量少的时候，上面的划分就不合适了。常用的是留少部分做测试集。然后对其余N(N为大于0的自然数)个样本采用K(K小于等于N)折交叉验证法。就是将样本打乱，然后均匀分成K份，轮流选择其中K-1份训练，剩余的1份做验证，计算预测误差平方和，最后将K次的预测误差平方和再做平均作为选择最优模型结构的依据。特别的K取N，就是留一法(leave one out)。

本申请上述实施例提供的用于匹配图片中实体的方法，可以对基准图片中的每一张基准实体子图，确定与当前基准实体子图匹配概率最高的待操作实体子图，并点击所确定的待操作实体子图，从而完成对待操作图片的点击验证。在这一过程中，获取基准实体子图和待操作实体子图的效率较高，而匹配基准实体子图和待操作实体子图的过程，提高了匹配的精度和准确率，从而可以提高点击验证的效率，进而提高采用验证结果获取数据的效率。

进一步地，请参考图3a-3d，图3a-3d示出了根据本申请实施例的用于匹配图片中实体的方法的一个示例性应用场景。

如图3a-3d所示，该用于匹配图片中实体的方法包括：

首先，如图3a所示，获取验证页面中的基准图片301和待操作图片302。

之后，如图3b所示，从基准图片301中，划分各个基准实体子图：“练”303、“单”304、“登”305、“帆”306。

之后，如图3c所示，从待操作图片302中，检测各个待操作实体子图：“帆”307、“单”308、“登”309、“练”310。

之后，如图3d所示，对于基准实体子图“练”303，从待操作实体子图“帆”307、“单”308、“登”309、“练”310中，确定与“练”303匹配概率最高的待操作实体子图“练”310，并点击“练”310；对于基准实体子图“单”304，从待操作实体子图“帆”307、“单”308、“登”309、“练”310中，确定与“单”304匹配概率最高的待操作实体子图“单”308，并点击“单”308；对于基准实体子图“登”305，从待操作实体子图“帆”307、“单”308、“登”309、“练”310中，确定与“登”305匹配概率最高的待操作实体子图“登”309，并点击“登”309；对于基准实体子图“帆”306，从待操作实体子图“帆”307、“单”308、“登”309、“练”310中，确定与“帆”306匹配概率最高的待操作实体子图“帆”307，并点击“帆”307。

应当理解，上述图3中所示出的用于匹配图片中实体的方法，仅为用于匹配图片中实体的方法的示例性应用场景，并不代表对本申请的限定。例如，在计算基准实体子图和待操作实体子图的匹配概率时，可以采用多种计算匹配概率的方法来完成，例如基于灰度、特征、关系的匹配算法等。在此不再赘述。应当理解，本申请的上述应用场景中提供的用于匹配图片中实体的方法，可以提高匹配图片中实体的效率和准确率。

进一步地，请参考图4，图4示出了根据本申请实施例的采用预先训练的深度学习神经网络模型检测待操作图片得到各个待操作实体子图的方法的一个实施例的示意性流程图。

如图4所示，预先训练的深度学习神经网络模型可以为Faster-rcnn，包括：卷积神经网络(CNN)410、候选区域生成网络(RPN)420、分类器网络430和位置校正网络440。根据本申请实施例的采用预先训练的深度学习神经网络模型检测待操作图片，得到各个待操作实体子图的方法的一个实施例包括：

首先，将待操作图片401输入卷积神经网络410，生成待操作图片的特征图402。

之后，将待操作图片的特征图402输入候选区域生成网络420，生成多个候选区域403。

之后，将待操作图片的特征图402和多个候选区域403输入分类器网络430进行分类，得到所需要的目标物体区域404，也即多个实体区域404。

之后，将待操作图片的特征图402和多个实体区域404输入位置校正网络440进行位置校正，得到目标位置405，也即所需的多个实***置405。

最后，将多个实***置405所指示的目标物体406(也即待操作实体子图406)输出。

应当理解，本实施例中的CNN、候选区域生成网络(RPN)、分类器网络和位置校正网络，可以分别根据已标注的样本训练得到。并且，上述图4中所示出的采用预先训练的深度学习神经网络检测待操作图片得到各个待操作实体子图的方法，仅为采用预先训练的深度学习神经网络检测待操作图片得到各个待操作实体子图的方法的示例性实施例，并不代表对本申请的限定。例如，本领域技术人员可以根据深度学习神经网络模型所需要实现的功能，选择合适的神经网络架构以及合适的标注样本来训练CNN、候选区域生成网络、分类器网络以及位置校正网络。

本申请上述实施例中的采用预先训练的深度学习神经网络检测待操作图片得到各个待操作实体子图的方法，在分类器网络阶段采用二分类，只判断区域是否包含实体，而不识别实体区域具体是什么实体，能够简化问题、提升得到各个待操作实体子图的准确率，对标注样本的依赖少，只用较少的(例如几百个)标注样本就可以轻易取得较高可用的准确率。

进一步地，请参考图5，图5示出了根据本申请实施例的采用预先训练的图像语义相似模型确定当前基准实体子图与各个待操作实体子图的匹配概率的一个实施例的示意性流程图。

如图5所示，预先训练的图像语义相似模型包括：预训练的VGG网络510、相似层网络520和回归网络530。在该实施例中，当前基准实体子图为黑白子图，各个待操作实体子图分别为彩色子图1-n。根据本申请实施例的采用预先训练的图像语义相似模型，确定该基准实体子图与各个待操作实体子图的匹配概率的方法的一个实施例包括：

首先，采用预训练的VGG网络510，提取黑白子图的特征图，得到特征A；分别提取彩色子图1-彩色子图n的特征图，得到特征1-特征n。这里的预训练的VGG网络510，对黑白子图和彩色子图进行特征提取，预训练的VGG网络等价于初始化模型参数，可以降低训练样本需要和提升特征提取效果。

其次，将该特征A与特征1输入相似层网络(cosine)，计算两个特征的余弦值，得到交叉特征1；将该特征A与特征2输入相似层网络计算两个特征的余弦值，得到交叉特征2；并依次分别计算特征A与特征3-特征n的余弦值，分别得到交叉特征3-交叉特征n。也即，得到特征A与特征1-特征n的相似度，该相似度用于指示黑色子图与彩色子图1-n的相似度。这里的相似层网络，把黑白子图的特征向量分别与彩色子图的特征向量进行相似度计算。

最后，将交叉特征1-n输入回归网络进行回归，输出回归至0-1区间内的匹配概率1-n。这里的回归网络，对cosine层输出进行全连接和softmax，计算出黑白子图与每张彩色子图的匹配概率。

应当理解，本实施例中的预训练的VGG网络、相似层网络和回归网络，可以分别根据各个网络的标注样本训练得到。并且，上述图5中所示出的采用预先训练的图像语义相似模型确定该基准实体子图与各个待操作实体子图的匹配概率的方法，仅为采用预先训练的图像语义相似模型确定该基准实体子图与各个待操作实体子图的匹配概率的方法的示例性实施例，并不代表对本申请的限定。例如，本领域技术人员可以根据预训练的VGG网络、相似层网络和回归网络所需要实现的功能，选择合适的神经网络架构以及合适的标注样本来分别训练预训练的VGG网络、相似层网络和回归网络。

进一步参考图6，作为对上述方法的实现，本申请实施例提供了一种用于匹配图片中实体的装置的一个实施例，该用于匹配图片中实体的装置的实施例与图1至图5所示的用于匹配图片中实体的方法的实施例相对应，由此，上文针对图1至图5中用于匹配图片中实体的方法描述的操作和特征同样适用于用于匹配图片中实体的装置600及其中包含的单元，在此不再赘述。

如图6所示，该用于匹配图片中实体的装置600可以包括：获取单元610，被配置成获取验证页面中的基准图片和待操作图片；划分单元620，被配置成从基准图片中，划分各个基准实体子图；检测单元630，被配置成从待操作图片中，检测各个待操作实体子图；确定单元640，被配置成遍历每一个基准实体子图，并在访问每一个基准实体子图时，确定与当前基准实体子图匹配概率最高的待操作实体子图，并点击所确定的待操作实体子图。

在本实施例的一些可选实现方式中，划分单元620包括：识别单元621，被配置成根据像素特征，识别基准图片中包括实体像素的实体区域；切分单元622，被配置成切分实体区域中的各个实体，得到各个基准实体子图。

在本实施例的一些可选实现方式中，检测单元630进一步用于：采用预先训练的深度学习神经网络模型检测待操作图片，得到各个待操作实体子图。

在本实施例的一些可选实现方式中，检测单元630中所采用的预先训练的深度学习神经网络模型包括：卷积神经网络、候选区域生成网络、分类器网络和位置校正网络；以及检测单元630进一步用于：将待操作图片输入卷积神经网络，生成待操作图片的特征图；将待操作图片的特征图输入候选区域生成网络，生成多个候选区域；将待操作图片的特征图和多个候选区域输入分类器网络，生成多个实体区域；将待操作图片的特征图和多个实体区域输入位置校正网络，生成多个实***置；将多个实***置作为待操作实体子图输出。

在本实施例的一些可选实现方式中，确定单元640进一步用于：采用预先训练的图像语义相似模型，确定该基准实体子图与各个待操作实体子图的匹配概率；以及从各个待操作实体子图中确定匹配概率最高的待操作实体子图。

在本实施例的一些可选实现方式中，确定单元640中所采用的预先训练的图像语义相似模型包括：预训练的VGG网络、相似层网络和回归网络；确定单元640进一步用于包括：采用预训练的VGG网络，分别提取该基准实体子图的特征图和各个待操作实体子图的特征图；将该基准实体子图的特征图与各个待操作实体子图的特征图输入相似层网络，得到该基准实体子图与各个待操作实体子图的相似度；将相似度输入回归网络，得到该基准实体子图与各个待操作实体子图的匹配概率。

在本实施例的一些可选实现方式中，检测单元630中所采用的预先训练的深度学习神经网络模型经由以下步骤确定：获取已标注待操作实体子图的样本；采用已标注待操作实体子图的样本的训练集，训练深度学习神经网络模型初始模型，得到训练好的深度学习神经网络模型；采用已标注待操作实体子图的样本的验证集，优化训练好的深度学习神经网络模型的模型参数，得到预先训练的深度学习神经网络模型。

在本实施例的一些可选实现方式中，确定单元640中所采用的预先训练的图像语义相似模型经由以下步骤确定：获取匹配样本数据，匹配样本数据的每一对样本包括相匹配的已标注基准实体子图的基准图片和已标注待操作实体子图的待操作图片；对于匹配样本数据的基准图片中的单个基准实体子图，调整匹配样本数据中与其相匹配的待操作图片中各个待操作实体子图的顺序，生成训练样本；采用训练样本的训练集，训练图像语义相似模型的初始模型，得到训练好的图像语义相似模型；采用训练样本的验证集，优化训练好的图像语义相似模型的模型参数，得到预先训练的图像语义相似模型。

本申请还提供了一种设备的实施例，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上任意一项所述的用于匹配图片中实体的方法。

本申请还提供了一种计算机可读介质的实施例，其上存储有计算机程序，该程序被处理器执行时实现如上任意一项所述的用于匹配图片中实体的方法。

下面参考图7，其示出了适于用来实现本申请实施例的终端设备或服务器的计算机***700的结构示意图。图7示出的终端设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，计算机***700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分707加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有***700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

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，所述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部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请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。计算机可读信号介质例如可以是——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。在本申请中，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。而在本申请中，计算机可读的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。计算机可读的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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的***、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单元、程序段、或代码的一部分，所述单元、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。

描述于本申请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：一种处理器包括获取单元、划分单元、检测单元和确定单元。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，获取单元还可以被描述为“获取验证页面中的基准图片和待操作图片的单元”。

作为另一方面，本申请还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备：获取验证页面中的基准图片和待操作图片；从基准图片中，划分各个基准实体子图；从待操作图片中，检测各个待操作实体子图；遍历每一个基准实体子图，并在访问每一个基准实体子图时，确定与当前基准实体子图匹配概率最高的待操作实体子图，并点击所确定的待操作实体子图。

以上描述仅为本申请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，本申请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。例如上述特征与本申请中公开的(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。

Claims (18)

1.一种用于匹配图片中实体的方法，包括：

获取验证页面中的基准图片和待操作图片；

从所述基准图片中，划分各个基准实体子图；

从所述待操作图片中，检测各个待操作实体子图；

遍历每一个基准实体子图，并在访问每一个基准实体子图时，确定与当前基准实体子图匹配概率最高的待操作实体子图，并点击所确定的待操作实体子图。

2.根据权利要求1所述的方法，其中，所述从所述基准图片中，划分各个基准实体子图包括：

根据像素特征，识别所述基准图片中包括实体像素的实体区域；

切分所述实体区域中的各个实体，得到各个基准实体子图。

3.根据权利要求1所述的方法，其中，所述从所述待操作图片中，检测各个待操作实体子图包括：

采用预先训练的深度学习神经网络模型检测所述待操作图片，得到各个待操作实体子图。

4.根据权利要求3所述的方法，其中，所述预先训练的深度学习神经网络模型包括：卷积神经网络、候选区域生成网络、分类器网络和位置校正网络；以及

所述采用预先训练的深度学习神经网络模型检测所述待操作图片，得到各个待操作实体子图包括：将所述待操作图片输入卷积神经网络，生成待操作图片的特征图；将所述待操作图片的特征图输入候选区域生成网络，生成多个候选区域；将所述待操作图片的特征图和多个所述候选区域输入分类器网络，生成多个实体区域；将所述待操作图片的特征图和多个所述实体区域输入位置校正网络，生成多个实***置；将多个所述实***置作为待操作实体子图输出。

5.根据权利要求1所述的方法，其中，所述确定与当前基准实体子图确定的匹配概率最高的待操作实体子图包括：

采用预先训练的图像语义相似模型，确定该基准实体子图与各个待操作实体子图的匹配概率；以及

从各个待操作实体子图中确定匹配概率最高的待操作实体子图。

6.根据权利要求1所述的方法，其中，所述预先训练的图像语义相似模型包括：预训练的VGG网络、相似层网络和回归网络；

所述采用预先训练的图像语义相似模型，确定该基准实体子图与各个待操作实体子图的匹配概率包括：采用所述预训练的VGG网络，分别提取该基准实体子图的特征图和各个待操作实体子图的特征图；将该基准实体子图的特征图与各个所述待操作实体子图的特征图输入所述相似层网络，得到该基准实体子图与各个所述待操作实体子图的相似度；将所述相似度输入所述回归网络，得到该基准实体子图与各个待操作实体子图的匹配概率。

7.根据权利要求3或4任意一项所述的方法，其中，所述预先训练的深度学习神经网络模型经由以下步骤确定：

获取已标注待操作实体子图的样本；

采用所述已标注待操作实体子图的样本的训练集，训练深度学习神经网络模型初始模型，得到训练好的深度学习神经网络模型；

采用所述已标注待操作实体子图的样本的验证集，优化所述训练好的深度学习神经网络模型的模型参数，得到所述预先训练的深度学习神经网络模型。

8.根据权利要求5或6任意一项所述的方法，其中，所述预先训练的图像语义相似模型经由以下步骤确定：

获取匹配样本数据，所述匹配样本数据的每一对样本包括相匹配的已标注基准实体子图的基准图片和已标注待操作实体子图的待操作图片；

对于所述匹配样本数据的基准图片中的单个基准实体子图，调整所述匹配样本数据中与其相匹配的待操作图片中各个待操作实体子图的顺序，生成训练样本；

采用所述训练样本的训练集，训练图像语义相似模型的初始模型，得到训练好的图像语义相似模型；

采用所述训练样本的验证集，优化所述训练好的图像语义相似模型的模型参数，得到所述预先训练的图像语义相似模型。

9.一种用于匹配图片中实体的装置，包括：

获取单元，被配置成获取验证页面中的基准图片和待操作图片；

划分单元，被配置成从所述基准图片中，划分各个基准实体子图；

检测单元，被配置成从所述待操作图片中，检测各个待操作实体子图；

确定单元，被配置成遍历每一个基准实体子图，并在访问每一个基准实体子图时，确定与当前基准实体子图匹配概率最高的待操作实体子图，并点击所确定的待操作实体子图。

10.根据权利要求9所述的装置，其中，所述划分单元包括：

识别单元，被配置成根据像素特征，识别所述基准图片中包括实体像素的实体区域；

切分单元，被配置成切分所述实体区域中的各个实体，得到各个基准实体子图。

11.根据权利要求9所述的装置，其中，所述检测单元进一步用于：

采用预先训练的深度学习神经网络模型检测所述待操作图片，得到各个待操作实体子图。

12.根据权利要求11所述的装置，其中，所述检测单元中所采用的预先训练的深度学习神经网络模型包括：卷积神经网络、候选区域生成网络、分类器网络和位置校正网络；以及

所述检测单元进一步用于：将所述待操作图片输入卷积神经网络，生成待操作图片的特征图；将所述待操作图片的特征图输入候选区域生成网络，生成多个候选区域；将所述待操作图片的特征图和多个所述候选区域输入分类器网络，生成多个实体区域；将所述待操作图片的特征图和多个所述实体区域输入位置校正网络，生成多个实***置；将多个所述实***置作为待操作实体子图输出。

13.根据权利要求9所述的装置，其中，所述确定单元进一步用于：

采用预先训练的图像语义相似模型，确定该基准实体子图与各个待操作实体子图的匹配概率；以及从各个待操作实体子图中确定匹配概率最高的待操作实体子图。

14.根据权利要求9所述的装置，其中，所述确定单元中所采用的预先训练的图像语义相似模型包括：预训练的VGG网络、相似层网络和回归网络；

所述确定单元进一步用于包括：采用所述预训练的VGG网络，分别提取该基准实体子图的特征图和各个待操作实体子图的特征图；将该基准实体子图的特征图与各个所述待操作实体子图的特征图输入所述相似层网络，得到该基准实体子图与各个所述待操作实体子图的相似度；将所述相似度输入所述回归网络，得到该基准实体子图与各个待操作实体子图的匹配概率。

15.根据权利要求11或12任意一项所述的装置，其中，所述检测单元中所采用的预先训练的深度学习神经网络模型经由以下步骤确定：

获取已标注待操作实体子图的样本；

采用所述已标注待操作实体子图的样本的训练集，训练深度学习神经网络模型初始模型，得到训练好的深度学习神经网络模型；

采用所述已标注待操作实体子图的样本的验证集，优化所述训练好的深度学习神经网络模型的模型参数，得到所述预先训练的深度学习神经网络模型。

16.根据权利要求13或14任意一项所述的装置，其中，所述确定单元中所采用的预先训练的图像语义相似模型经由以下步骤确定：

获取匹配样本数据，所述匹配样本数据的每一对样本包括相匹配的已标注基准实体子图的基准图片和已标注待操作实体子图的待操作图片；

对于所述匹配样本数据的基准图片中的单个基准实体子图，调整所述匹配样本数据中与其相匹配的待操作图片中各个待操作实体子图的顺序，生成训练样本；

采用所述训练样本的训练集，训练图像语义相似模型的初始模型，得到训练好的图像语义相似模型；

采用所述训练样本的验证集，优化所述训练好的图像语义相似模型的模型参数，得到所述预先训练的图像语义相似模型。

17.一种设备，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；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的用于匹配图片中实体的方法。

18.一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-8中任一所述的用于匹配图片中实体的方法。