CN115100472A - 展示对象识别模型的训练方法、装置和电子设备 - Google Patents

展示对象识别模型的训练方法、装置和电子设备 Download PDF

Info

Publication number
CN115100472A
CN115100472A CN202210734938.0A CN202210734938A CN115100472A CN 115100472 A CN115100472 A CN 115100472A CN 202210734938 A CN202210734938 A CN 202210734938A CN 115100472 A CN115100472 A CN 115100472A
Authority
CN
China
Prior art keywords
feature
text
fusion
image
training
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.)
Granted
Application number
CN202210734938.0A
Other languages
English (en)
Other versions
CN115100472B (zh
Inventor
邓桂林
徐路
谢东霖
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.)
Beijing Dajia Internet Information Technology Co Ltd
Original Assignee
Beijing Dajia Internet Information Technology 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 Beijing Dajia Internet Information Technology Co Ltd filed Critical Beijing Dajia Internet Information Technology Co Ltd
Priority to CN202210734938.0A priority Critical patent/CN115100472B/zh
Publication of CN115100472A publication Critical patent/CN115100472A/zh
Application granted granted Critical
Publication of CN115100472B publication Critical patent/CN115100472B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • 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
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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

Landscapes

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

Abstract

本公开关于一种展示对象识别模型的训练方法、装置、电子设备、存储介质以及计算机程序产品，该方法包括：获取第一训练样本集，第一训练样本集包含训练样本对，每个训练样本对包含图像数据和文本数据；根据图像编码器、文本编码器对训练样本对进行特征提取得到编码特征对；根据多模态编码器对编码特征对进行特征融合得到融合编码特征；确定编码特征对的相似度关系，根据相似度关系、融合编码特征和融合特征判别算法确定融合特征判别结果，基于融合特征判别结果对图像编码器、文本编码器和多模态编码器进行训练；根据训练的图像编码器、文本编码器、多模态编码器和分类任务模型构建展示对象识别模型。采用本方法提高了展示对象识别结果的准确性。

Description

展示对象识别模型的训练方法、装置和电子设备
技术领域
本公开涉及视频技术领域，尤其涉及展示对象识别模型的训练方法、装置、电子设备、计算机可读存储介质以及计算机程序产品。
背景技术
随着短视频技术的发展，除了专门用于推荐展示对象的媒介信息视频，视频平台还存在有大量包含展示对象介绍等内容的视频，通过分析用户浏览的该类视频中包含的展示对象信息，可以确定用户偏好，进而，可以更准确的向用户进行媒介信息视频的推送。
相关技术中，通常是针对视频数据(包含视频图像数据、视频文本数据等)分别进行特征提取，得到图像编码特征和文本编码特征，进而，再对图像编码特征和文本编码特征进行特征融合，基于融合后的特征数据进行处理分析，识别视频中的展示对象。
然而，相关技术在对视频数据进行特征提取以及特征融合时，编码器仅仅是单一模态的数据的特征提取，然后将提取到的各模态数据的编码特征进行简单拼接，无法实现多种模态数据(例如，视频图像数据和视频文本数据)的特征间的交互，不能有效利用模态间细粒度的互补信息，因而视频分析结果准确度较低。
发明内容
本公开提供一种展示对象识别模型的训练方法、装置、电子设备、计算机可读存储介质以及计算机程序产品，以至少解决相关技术中不能有效利用模态间细粒度的互补信息，因而视频分析结果准确度较低的问题。本公开的技术方案如下：
根据本公开实施例的第一方面，提供一种展示对象识别模型的训练方法，所述方法包括：
获取第一训练样本集，所述第一训练样本集中包含多个训练样本对，每个所述训练样本对包含展示对象的图像数据和文本数据；
根据图像编码器、文本编码器对所述训练样本集中的多个训练样本对进行特征提取，得到多个编码特征对，每一所述编码特征对中包含图像编码特征和文本编码特征；
根据多模态编码器对每一所述编码特征对进行特征融合，得到融合编码特征；
根据每一所述编码特征对，确定所述图像编码特征和所述文本编码特征间的相似度关系，并根据所述相似度关系、所述融合编码特征以及融合特征判别算法，确定融合特征判别结果，基于所述融合特征判别结果对所述图像编码器、所述文本编码器以及所述多模态编码器进行预训练；所述融合特征判别结果表征融合特征处理结果与预设的融合条件间的损失情况；
根据预训练的所述图像编码器、所述文本编码器和所述多模态编码器、以及分类任务模型，构建展示对象识别模型。
在其中一个实施例中，所述训练样本对类型包括正样本对类型和负样本对类型，所述根据每一所述编码特征对，确定所述图像编码特征和所述文本编码特征间的相似度关系，包括：
计算每一所述编码特征对中的所述图像编码特征和所述文本编码特征间的相似度；
根据所述第一训练样本集中的样本对类型和所述相似度，构建相似度矩阵。
在其中一个实施例中，所述融合特征判别算法包括融合效果分类算法，所述训练样本对包括正样本对和负样本对，所述根据所述相似度关系、所述融合编码特征以及融合特征判别算法，确定融合特征判别结果，包括：
根据所述相似度矩阵，在所述训练样本对中确定每一所述正样本对对应的难负样本对；所述难负样本对是与所述正样本对满足预设相似度条件的训练样本对；
根据所述正样本对的融合编码特征、所述难负样本对的融合编码特征以及所述融合效果分类算法，确定所述正样本对和所述难负样本对的融合编码特征的分类处理结果，基于所述分类处理结果与所述训练样本对类型，确定融合特征判别结果。
在其中一个实施例中，所述融合特征判别算法包括掩膜重建算法，所述训练样本对包括正样本对和负样本对，所述根据所述相似度关系、所述融合编码特征以及融合特征判别算法，确定融合特征判别结果，包括：
在所述正样本对的所述融合编码特征中，确定图像特征块与文本标识间的相似度，并将相似度最高的所述图像特征块与所述文本标识，确定为目标图像特征块和目标文本标识；
对所述目标图像特征块进行掩膜处理，得到图像掩膜数据，并根据所述图像掩膜数据和所述目标文本标识构建图像掩膜数据组；对所述目标文本标识进行掩膜处理，得到文本掩膜数据，并根据所述文本掩膜数据和所述目标图像特征块构建文本掩膜数据组；
根据所述图像掩膜数据组中的所述目标文本标识，对所述图像掩膜数据进行图像重建，得到图像重建结果，将所述图像重建结果与初始的所述目标图像特征块进行损失计算，得到第一判别结果；
根据所述文本掩膜数据组中的所述目标图像特征块，对所述文本掩膜数据进行文本重建，得到文本重建结果，将所述文本重建结果与初始的所述目标文本标识进行损失计算，得到第二判别结果，所述第一判别结果和所述第二判别结果共同构成融合特征判别结果。
在其中一个实施例中，所述基于所述融合特征判别结果对所述图像编码器、所述文本编码器以及所述多模态编码器进行预训练，包括：
判断所述融合特征判别结果是否满足预设的模型准确度条件；
当所述融合特征判别结果满足所述模型准确度条件时，确定完成对所述图像编码器、所述文本编码器以及所述多模态编码器的预训练。
在其中一个实施例中，所述分类任务模型的训练过程包括：
获取第二训练样本集，所述第二训练样本集中包含训练数据，所述训练数据包含图像数据和文本数据，且所述训练数据携带展示对象标注结果；
将所述第二训练样本集输入至预训练的所述图像编码器、所述文本编码器和所述多模态数据编码器，确定融合编码特征；
将所述融合编码特征输入至分类任务模型，得到展示对象识别结果，直至所述展示对象识别结果与所述展示对象标注结果间的损失值满足预设的损失条件，所述分类任务模型训练完成。
在其中一个实施例中，所述分类任务模型包括多专家网络模块以及多个分类任务层，所述将所述融合编码特征输入至分类任务模型，得到展示对象识别结果，包括：
将所述融合编码特征输入至所述多专家网络模块，通过预设的分类处理策略，对所述融合编码特征进行加权处理，得到所述分类处理策略对应的特征处理结果；每一所述分类处理策略对应一个所述分类任务层；
将各所述特征处理结果输入至对应的所述分类任务层，得到每一所述分类任务层输出的展示对象识别结果。
根据本公开实施例的第二方面，提供一种展示对象识别方法，所述方法包括：
获取待识别的视频数据，所述视频数据包括图像数据和文本数据；
将所述视频数据输入至展示对象识别模型中，得到展示对象识别结果；所述展示对象识别模型由上述第一方面中任一项所述的展示对象识别模型的训练方法训练得到的。
在其中一个实施例中，所述方法还包括：
获取媒介信息视频数据；
将所述媒介信息视频数据输入至所述展示对象识别模型中，得到所述媒介信息视频数据对应的展示对象识别结果；
基于已浏览的视频数据对应的展示对象识别结果，为目标账户推送相同展示对象识别结果的媒介信息视频数据。
根据本公开实施例的第三方面，提供一种展示对象识别模型的训练装置，所述装置包括：
获取单元，被配置为执行获取第一训练样本集，所述第一训练样本集中包含多个训练样本对，每个所述训练样本对包含展示对象的图像数据和文本数据；
特征提取单元，被配置为执行根据图像编码器、文本编码器对所述训练样本集中的多个训练样本对进行特征提取，得到多个编码特征对，每一所述编码特征对中包含图像编码特征和文本编码特征；
融合单元，被配置为执行根据多模态编码器对每一所述编码特征对进行特征融合，得到融合编码特征；
预训练单元，被配置为执行根据每一所述编码特征对，确定所述图像编码特征和所述文本编码特征间的相似度关系，并根据所述相似度关系、所述融合编码特征以及融合特征判别算法，确定融合特征判别结果，基于所述融合特征判别结果对所述图像编码器、所述文本编码器以及所述多模态编码器进行预训练；所述融合特征判别结果表征融合特征处理结果与预设的融合条件间的损失情况；
构建单元，被配置为执行根据预训练的所述图像编码器、所述文本编码器和所述多模态编码器、以及分类任务模型，构建展示对象识别模型。
在其中一个实施例中，所述训练样本对类型包括正样本对类型和负样本对类型，所述预训练单元，包括：
计算子单元，被配置为执行计算每一所述编码特征对中的所述图像编码特征和所述文本编码特征间的相似度；
构建子单元，被配置为执行根据所述第一训练样本集中的样本对类型和所述相似度，构建相似度矩阵。
在其中一个实施例中，所述融合特征判别算法包括融合效果分类算法，所述训练样本对包括正样本对和负样本对，所述预训练单元，包括：
第一确定子单元，被配置为执行根据所述相似度矩阵，在所述训练样本对中确定每一所述正样本对对应的难负样本对；所述难负样本对是与所述正样本对满足预设相似度条件的训练样本对；
第二确定子单元，被配置为执行根据所述正样本对的融合编码特征、所述难负样本对的融合编码特征以及所述融合效果分类算法，确定所述正样本对和所述难负样本对的融合编码特征的分类处理结果，基于所述分类处理结果与所述训练样本对类型，确定融合特征判别结果。
在其中一个实施例中，所述融合特征判别算法包括掩膜重建算法，所述训练样本对包括正样本对和负样本对，所述预训练单元，包括：
确定子单元，被配置为执行在所述正样本对的所述融合编码特征中，确定图像特征块与文本标识间的相似度，并将相似度最高的所述图像特征块与所述文本标识，确定为目标图像特征块和目标文本标识；
掩膜处理子单元，被配置为执行对所述目标图像特征块进行掩膜处理，得到图像掩膜数据，并根据所述图像掩膜数据和所述目标文本标识构建图像掩膜数据组；对所述目标文本标识进行掩膜处理，得到文本掩膜数据，并根据所述文本掩膜数据和所述目标图像特征块构建文本掩膜数据组；
图像重建子单元，被配置为执行根据所述图像掩膜数据组中的所述目标文本标识，对所述图像掩膜数据进行图像重建，得到图像重建结果，将所述图像重建结果与初始的所述目标图像特征块进行损失计算，得到第一判别结果；
文本重建子单元，被配置为执行根据所述文本掩膜数据组中的所述目标图像特征块，对所述文本掩膜数据进行文本重建，得到文本重建结果，将所述文本重建结果与初始的所述目标文本标识进行损失计算，得到第二判别结果，所述第一判别结果和所述第二判别结果共同构成融合特征判别结果。
在其中一个实施例中，所述预训练单元，包括：
判别子单元，被配置为执行判断所述相似度关系和所述融合特征判别结果是否满足预设的模型准确度条件；
第三确定子单元，被配置为执行当所述相似度关系、所述融合特征判别结果满足所述模型准确度条件时，确定完成对所述图像编码器、所述文本编码器以及所述多模态编码器的预训练。
在其中一个实施例中，所述展示对象识别模型的训练装置还包括：
获取单元，被配置为执行获取第二训练样本集，所述第二训练样本集中包含训练数据，所述训练数据包含图像数据和文本数据，且所述训练数据携带展示对象标注结果；
特征提取单元，被配置为执行将所述第二训练样本集输入至预训练的所述图像编码器、所述文本编码器和所述多模态数据编码器，确定融合编码特征；
训练单元，被配置为执行将所述融合编码特征输入至分类任务模型，得到展示对象识别结果，直至所述展示对象识别结果与所述展示对象标注结果间的损失值满足预设的损失条件，所述分类任务模型训练完成。
在其中一个实施例中，所述分类任务模型包括多专家网络模块以及多个分类任务层，所述训练单元，包括：
加权处理单元，被配置为执行将所述融合编码特征输入至所述多专家网络模块，通过预设的分类处理策略，对所述融合编码特征进行加权处理，得到所述分类处理策略对应的特征处理结果；每一所述分类处理策略对应一个所述分类任务层；
输入单元，被配置为执行将各所述特征处理结果输入至对应的所述分类任务层，得到每一所述分类任务层输出的展示对象识别结果。
根据本公开实施例的第四方面，提供一种展示对象识别装置，所述装置包括：
数据获取单元，被配置为执行获取待识别的视频数据，所述视频数据包括图像数据和文本数据；
处理单元，被配置为执行将所述视频数据输入至展示对象识别模型中，得到展示对象识别结果；所述展示对象识别模型由上述第一方面中任一项所述的展示对象识别模型的训练方法训练得到的。
在其中一个实施例中，所述展示对象识别装置包括：
数据获取单元，被配置为执行获取媒介信息视频数据；
处理单元，被配置为执行将所述媒介信息视频数据输入至所述展示对象识别模型中，得到所述媒介信息视频数据对应的展示对象识别结果；
推送单元，被配置为执行基于已浏览的视频数据对应的展示对象识别结果，为目标账户推送相同展示对象识别结果的媒介信息视频数据。
根据本公开实施例的第五方面，提供一种电子设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如上述第一方面中任一项所述的展示对象识别模型的训练的方法。
根据本公开实施例的第六方面，提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如上述第一方面中任一项所述的展示对象识别模型的训练方法。
根据本公开实施例的第七方面，提供一种计算机程序产品，所述指令被电子设备的处理器执行时，使得所述电子设备能够执行上述第一方面中任一项所述的展示对象识别模型的训练的方法。
本公开的实施例提供的技术方案至少带来以下有益效果：获取第一训练样本集，所述第一训练样本集中包含多个训练样本对，每个所述训练样本对包含展示对象的图像数据和文本数据；根据图像编码器、文本编码器对所述训练样本集中的多个训练样本对进行特征提取，得到多个编码特征对，每一所述编码特征对中包含图像编码特征和文本编码特征；根据多模态编码器对每一所述编码特征对进行特征融合，得到融合编码特征；根据每一所述编码特征对，确定所述图像编码特征和所述文本编码特征间的相似度关系，并根据所述相似度关系、所述融合编码特征以及融合特征判别算法，确定融合特征判别结果，基于所述融合特征判别结果对所述图像编码器、所述文本编码器以及所述多模态编码器进行预训练；根据预训练的所述图像编码器、所述文本编码器和所述多模态编码器、以及分类任务模型，构建展示对象识别模型。采用本方法，通过对展示对象识别模型的训练中特征提取模型以及分类任务模型的预训练，更加细粒度的对齐展示对象图文模态信息，并且在基于最终训练后的分类任务模型对视频数据进行展示对象识别，提高了展示对象识别准确度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种展示对象识别模型的训练方法的流程图。
图2是根据一示例性实施例示出的一种的多个编码器预训练过程的架构流程图。
图3是根据一示例性实施例示出的一种确定编码特征对的相似度步骤的流程图。
图4是根据一示例性实施例示出的一种确定融合特征判别结果步骤的流程图。
图5是根据一示例性实施例示出的一种确定融合特征判别结果步骤的流程图。
图6是根据一示例性实施例示出的一种编码器预训练判别步骤的流程图。
图7是根据一示例性实施例示出的一种分类任务模型训练方法的流程图。
图8是根据一示例性实施例示出的一种确定特征处理结果步骤的流程图。
图9是根据一示例性实施例示出的一种展示对象识别方法的流程图。
图10是根据一示例性实施例示出的一种媒介信息视频数据推送方法的流程图。
图11是根据一示例性实施例示出的一种双视频数据流并行处理的框架流程图。
图12是根据一示例性实施例示出的一种展示对象识别模型的训练装置的框图。
图13是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开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数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
还需要说明的是，本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
在对包含展示对象的视频数据进行识别分析过程中，为了实现多模态数据间编码特征的交互，有效利用各模态间细粒度的互补信息进行展示对象的识别，可以对用于识别视频数据的展示对象识别模型进行预训练。图1是根据一示例性实施例示出的一种展示对象识别模型的训练方法的流程图，如图1所示，展示对象识别模型的训练方法用于计算机设备中，包括以下步骤。
在步骤S110中，获取第一训练样本集。
其中，第一训练样本集中包含多个训练样本对，每个训练样本对包含图像数据和文本数据。
在实施中，计算机设备获取第一训练样本集，该第一训练样本集中包含由多模态数据组成的训练样本对，每个训练样本对中包含的多模态视频数据为视频图像数据(简称为图像数据)和视频文本数据(简称为文本数据)。并且每一训练样本对对应有样本对类型，即正样本对类型和负样本对类型，同一视频数据包含的图像数据和文本数据组成的训练样本对为正样本对类型，非同一视频数据包含的图像数据和文本数据组成的训练样本对为负样本对类型。
在步骤S120中，根据图像编码器、文本编码器对训练样本集中的多个训练样本对进行特征提取，得到多个编码特征对。
其中，每一编码特征对中包含图像编码特征和文本编码特征。
在实施中，针对每一训练样本对，计算机设备预设的图像编码器对训练样本对中的图像数据进行特征提取，得到图像编码特征，并且根据预设的文本编码器对训练样本对中的文本数据进行特征提取，得到文本编码特征，从而，得到多个由图像编码特征和文本编码特征组成的编码特征对，具体的，图像编码器可以采用vit(vision transformer，视觉变压器)特征提取算法，对每一训练样本对中的图像数据进行特征提取。文本编码器可以采用roberta或bert等特征提取算法对该训练样本对中的文本数据进行特征提取，本公开实施例对于图像编码器、文本编码器所采用的特征提取算法不做限定。
在步骤S130中，根据多模态编码器对每一编码特征对进行特征融合，得到融合编码特征。
在实施中，计算机设备将每一训练样本对提取得到的编码特征对输入至多模态编码器，然后，根据多模态编码器中的transformer算法，对每一编码特征对中的图像编码特征和文本编码特征进行特征融合，得到融合编码特征。
可选的，多模态编码器用到的特征融合算法可以为transformer算法中的decoder结构，本公开实施例不做限定。
在步骤S140中，根据每一编码特征对，确定图像编码特征和文本编码特征间的相似度关系，并根据相似度关系、融合编码特征以及融合特征判别算法，确定融合特征判别结果，基于融合特征判别结果对图像编码器、文本编码器以及多模态编码器进行预训练。
其中，融合特征判别结果表征融合特征处理结果与预设的融合条件间的损失情况。
在实施中，计算机设备计算每一编码特征对中包含的图像编码特征和文本编码特征间的相似度，然后，根据每一编码特征对的样本对类型和各编码特征对的相似度，构建相似度矩阵，以确定各编码特征对的相似度关系。其中，每一编码特征对的样本对类型由该编码特征对对应的训练样本对的样本对类型确定。
然后，计算机设备基于各编码特征对间的相似度关系、各编码特征对的融合编码特征计算融合特征处理结果，并根据预设的融合特征判别算法以及融合特征处理结果，确定融合特征判别结果。该融合特征判别结果表征融合特征处理结果与预设的融合条件间的损失情况。这样，计算机设备基于融合特征判别结果判断是否继续对图像编码器、文本编码器以及多模态编码器进行训练，若融合特征判别结果满足预设的模型准确度条件，则停止训练过程，图像编码器、文本编码器和多模态编码器预训练完成。若融合特征判别结果不满足预设的模型准确度条件时，则在编码器参数库中获取另一组参数值，用以调整图像编码器、文本编码器和多模态编码器的模型参数，并基于调整参数后的图像编码器、文本编码器和多模态编码器重新进行第一训练样本集编码特征的提取，即重复执行步骤S120至S140的训练过程，本公开实施例不再赘述。
可选的，图像编码器、文本编码器和多模态编码器基于第一训练样本集进行预训练的架构流程图，如图2所示，在该预训练过程中，多个编码器可以学习到图像编码特征和文本编码特征间的相似度关系以及图文匹配关系(该图文匹配关系即体现在对融合编码特征的分类判别和掩膜重建任务上)，更加细粒度的对齐包含展示对象的图文信息数据，实现图像数据和文本数据间的信息互补。
在步骤S150中，根据预训练的图像编码器、文本编码器和多模态编码器、以及分类任务模型，构建展示对象识别模型。
在实施中，计算机设备将预训练完成的图像编码器、文本编码器和多模态编码器以及分类任务模型相结合，构建得到展示对象识别模型。该展示对象识别模型即可实现对视频数据中的展示对象信息的分析处理和识别。
可选的，构建展示对象识别模型时所用的分类任务模型可以包括多个分类任务层，以实现多任务统一建模，因此，该分类任务模型也可以称为多分类任务模型。该分类任务模型可以预先通过带标注的训练样本集(也称为第二训练样本集)进行训练，训练完成后可以实现对目标视频数据中包含的展示对象的分类识别。
上述展示对象识别模型的训练方法中，计算机设备获取第一训练样本集。其中，第一训练样本集中包含多个训练样本对，每个训练样本对包含展示对象的图像数据和文本数据。根据图像编码器、文本编码器对训练样本集中的多个训练样本对进行特征提取，得到多个编码特征对，每一编码特征对中包含图像编码特征和文本编码特征。然后，根据多模态编码器对每一编码特征对进行特征融合，得到融合编码特征。根据每一编码特征对，确定图像编码特征和文本编码特征间的相似度关系，并根据相似度关系、融合编码特征以及融合特征判别算法，确定融合特征判别结果。然后，基于融合特征判别结果对图像编码器、文本编码器以及多模态编码器进行预训练。最后，根据预训练的图像编码器、文本编码器和多模态编码器、以及分类任务模型，构建展示对象识别模型。采用本方法，通过对图像编码器、文本编码器和多模态编码器的预训练，更加细粒度的对齐包含展示对象的图文信息数据，实现图像数据和文本数据间的信息互补，再结合分类任务模型构建得到的展示对象识别模型，可以更加准确的识别展示对象的信息。
在一示例性实施例中，第一训练样本集中的样本对类型包括正样本对类型和负样本对类型，同一视频数据的图像数据和文本数据组成的训练样本对为正样本对类型，非同一视频数据的图像数据和文本数据组成的训练样本对为负样本对类型，进而，针对不同样本对类型的训练样本对提取得到的编码特征对，也对应有正样本对类型和负样本对类型。如图3所示，在步骤S140中，根据每一编码特征对，确定图像编码特征和文本编码特征间的相似度关系具体可以通过以下步骤实现：
在步骤S141中，计算每一编码特征对中的图像编码特征和文本编码特征间的相似度。
在实施中，计算机设备计算每一编码特征对中的图像编码特征和文本编码特征间的相似度，例如，第一编码特征对中包含图像编码特征I1和文本编码特征T1,则计算I1与T1间的相似度，得到的相似度可以表示为I1·T1。
在步骤S142中，根据第一训练样本集中的样本对类型和相似度，构建相似度矩阵。
在实施中，针对不同样本对类型的训练样本对提取得到的编码特征对，也对应有正样本对类型和负样本对类型。例如，第一训练样本集中包含N个训练样本对，正样本对类型的训练样本对(即同一视频数据的图像数据和文本数据)提取得到编码特征对(例如，可以表示为I1和T1)，则也为正样本对类型，负样本对类型的训练样本对(即非同一视频数据的图像数据和文本数据)提取得到编码特征对(例如，可以表示为I1和T2)，则也为负样本对类型，计算机设备根据编码特征对的样本对类型，以及每一编码特征对的相似度(用Ii·Tj表示)，构建相似度矩阵，其中，正样本对类型的编码特征对的相似度作为矩阵对角线的值，具体的相似度矩阵如下所示：
Figure BDA0003702834680000121
通过该相似度矩阵所要体现的相似度关系为：正样本对类型的编码特征对，因为其编码特征来自同一视频数据，因此，其相似度值应该尽可能大，负样本对类型的编码特征来自为非同一视频数据的，因此，其相似度值应该尽可能的小。
本实施例中，基于正样本对类型、负样本对类型的编码特征对的相似度，构建相似度矩阵，通过该相似度矩阵所体现的相似度大小关系，实现图文多模态编码特征间的特征对齐，并作为多个编码器是否继续进行预训练的条件，限制模型训练次数。
在一示例性实施例中，根据第一训练样本集对图像编码器、文本编码器和多模态编码器进行预训练时，针对多模态编码器输出的融合编码特征进行特征处理，得到融合编码特征的处理结果，然后基于预设的融合特征判别算法对处理结果进行判别，以检验上述各编码器的训练情况。其中，该融合特征判别算法包括融合效果分类算法，如图4所示，在步骤S140中，根据相似度关系、融合编码特征以及融合特征判别算法，确定融合特征判别结果具体可以通过以下步骤实现：
步骤S401，根据相似度矩阵，在训练样本对中确定每一正样本对对应的难负样本对。
其中，难负样本对是与正样本对满足预设相似度条件的训练样本对。
在实施中，第一训练样本集中的样本对类型包括正样本对类型和负样本对类型，这就表明第一训练样本集中的训练样本对以及训练样本对的编码特征对均包含正样本对和负样本对，计算机设备根据相似度矩阵中包含的相似度值，为每一正样本对确定对应的难负样本对。具体的，难负样本对是与正样本对最相近的样本对，也即是所有负样本对中最易与正样本对混淆的负样本对，因此，难负样本对与正样本对满足预设相似度条件即为两个样本对间相似度最接近(相似度差值最小)。
可选的，每一正样本对对应有两个难负样本对，例如，正样本对I1和T1，当负样本对中的图像编码特征与正样本对相同时，存在第一难负样本对，可以表示为I1和T3，当负样本对中的文本编码特征与正样本对相同时，存在第二难负样本对，可以表示为I5和T1。
步骤S402，根据正样本对的融合编码特征、难负样本对的融合编码特征以及融合效果分类算法，确定正样本对和难负样本对的融合编码特征的分类处理结果，基于分类处理结果与训练样本对类型，确定融合特征判别结果。
在实施中，计算机设备根据多模态编码器得到正样本对的融合编码特征、难负样本对的融合编码特征，并根据预设的融合效果分类算法，对正样本对、两个难负样本对的融合编码特征进行分析处理，得到各融合编码特征对应的分类处理结果，该分类处理结果可以表征融合编码特征的样本对类型。例如，采用数值0和1的分类标签tag表征样本对类型，0表示难负样本对，1表征正样本对，则该分类处理结果即为归一化后的具体数值，然后，计算机设备根据得到的分类处理结果以及已知的各融合编码特征的样本对类型，确定每一融合编码特征的融合特征判别结果，又如，分类处理结果为0.01，该分类处理结果对应的样本对类型为难负样本对类型，该难负样本对类型的分类标签为0，则计算0.01与0之间的融合特征判别结果，该融合特征判别结果表征每一融合编码特征的分类处理结果与已知的样本对类型间的信息损失情况。
本实施例中，通过预设的融合效果分类算法对正样本对、难负样本对的融合编码特征进行分析处理，得到分类处理结果，并基于各样本对的样本对类型对分类处理结果进行判别，得到融合特征判别结果，该融合特征判别结果可以用于检验特征的融合效果，使得图像编码器、文本编码器和多模态编码器可以学习到正样本对、负样本对的融合编码特征对特征融合的不同。
在一示例性实施例中，针对多模态编码器输出的融合编码特征的融合效果的判别，还可以通过掩膜重建算法来检验，即预设有融合特征判别算法还可以为掩膜重建算法，如图5所示，在步骤S140中，根据相似度关系、融合编码特征以及融合特征判别算法，确定融合特征判别结果具体可以通过以下步骤实现：
步骤S501，在正样本对的融合编码特征中，确定图像特征块与文本标识间的相似度，并将相似度最高的图像特征块与文本标识，确定为目标图像特征块和目标文本标识。
在实施中，图像编码特征提取过程中，每帧图像数据会被切分为多个图像块(例如，一帧图像包含16*16大小的图像块，每三个小块只取一个，得到多个图像块)，并将10帧图像数据得到的小块(图像块)拼接到一起得到一个视频数据的图像编码特征，同样的，文本编码特征提取过程中，每句文本数据被分为多个文本标识，按照预设的采样标准获取多个文本标识，作为一个视频数据的文本编码特征，这样，每一正样本对的融合编码特征中包含融合后的图像特征块(用patch表示)以及文本标识(用token表示)，且图像特征块与文本标识间具有对应关系，计算机设备基于该对应关系，计算图像特征块与文本标识间的相似度，然后，根据得到的相似度的由高到低的顺序，取前k个相似度值对应的图像特征块和文本标识，将其作为目标图像特征块和目标文本标识。
步骤S502，对目标图像特征块进行掩膜处理，得到图像掩膜数据，并根据图像掩膜数据和目标文本标识构建图像掩膜数据组；对目标文本标识进行掩膜处理，得到文本掩膜数据，并根据文本掩膜数据和目标图像特征块构建文本掩膜数据组。
在实施中，对目标图像特征块和目标文本标识进行正反掩膜处理，得到图像掩膜数据组和文本掩膜数据组。具体地，图像掩膜数据组即是将目标图像特征块mask(掩膜)，得到图像掩膜数据，并保留对应的目标文本标识的数据组，文本掩膜数据组即是将目标文本标识mask(掩膜)，得到文本掩膜数据，并保留对应的目标图像特征块的数据组。
步骤S503，根据图像掩膜数据组中的目标文本标识，对图像掩膜数据进行图像重建，得到图像重建结果，将图像重建结果与初始的目标图像特征块进行损失计算，得到融合特征判别结果。
在实施中，计算机设备根据图像掩膜数据组中保留的目标文本标识，以及预设的图像重建算法，对图像掩膜数据(即被掩膜掉的目标图像特征块)进行图像重建，得到图像重建结果。然后，计算机设备将图像重建结果与未掩膜时(即初始)的目标图像特征块进行损失计算，得到的损失值即作为融合特征判别结果。
步骤S504，根据文本掩膜数据组中的目标图像特征块，对文本掩膜数据进行文本重建，得到文本重建结果，将文本重建结果与初始的目标文本标识进行损失计算，得到融合特征判别结果。
在实施中，计算机设备根据文本掩膜数据组中保留的目标图像特征块，以及预设的文本重建算法，对文本掩膜数据(即被掩膜掉的目标文本标识，例如，文本ID(Identity，身份标识))进行文本重建，得到文本重建结果。然后，计算机设备将文本重建结果与未掩膜时(即初始)的目标文本标识进行损失计算，得到的损失值即作为融合特征判别结果。
本实施例中，通过预设的掩膜算法，得到图像重建结果和文本重建结果，进而，基于图像重建结果和文本重建结果得到融合特征判别结果，该融合特征判别结果可以用于检验特征的融合效果，以使图像编码器、文本编码器和多模态编码器可以学习到图像编码特征和文本编码特征间的交互信息。
在一示例性实施例中，在图像编码器、文本编码器以及多模态编码器等多个特征编码器的训练过程中，多个特征编码器输出相似度矩阵、分类处理结果、图像重建结果、文本处理结果等输出结果(这些输出结果统称为实际结果)，然后，根据预设的算法以及参考结果，确定出实际结果与参考结果间的损失情况，即得到相似度关系以及融合特征判别结果，进而，针对该相似度关系以及融合特征判别结果可以进一步判断是否继续进行特征编码器的训练，如图6所示，步骤S150中，基于相似度关系、融合特征判别结果对图像编码器、文本编码器以及多模态编码器进行预训练具体可以通过以下步骤实现：
步骤S601，判断融合特征判别结果是否满足预设的模型准确度判别条件。
在实施中，在图像编码器、文本编码器以及多模态编码器(统称为模型)的训练过程中，预先设置有模型准确度判别条件，将该模型准确度判别条件与由模型各输出结果确定出的相似度关系、融合特征判别结果进行判断，可以确定模型的训练情况，即确定是否继续对模型进行训练。
可选的，该模型准确度的判别条件可以包含针对相似度关系满足预设分布条件的情况下模型训练次数的限制条件，也可以包含针对融合特征判别结果设置的损失阈值的限制条件，其中，融合特征判别结果包括分类损失值、图像重建损失值以及文本重建损失值，因此，对应的损失阈值包括分类损失阈值、图像重建损失阈值以及文本重建损失阈值，本公开实施例不做限定。
步骤S602，当融合特征判别结果满足模型准确度判别条件时，确定完成对图像编码器、文本编码器以及多模态编码器的预训练。
在实施中，当模型的输出结果中相似度关系满足正样本对的相似度值应该尽可能大，负样本对的相似度值应该尽可能的小，各融合特征判别结果均小于预设的损失阈值且模型训练过程达到预设训练次数时，计算机设备确定图像编码器、文本编码器以及多模态编码器的预训练完成。
可选的，若融合特征判别结果不满足模型准确度判别条件时，则重复执行步骤S120至步骤140的过程，直至满足模型准确度判别条件。本公开实施例不再赘述重复执行步骤S120至步骤140的过程。
本实施例中，通过融合特征判别结果以及预设的模型准确度条件，判别图像编码器、文本编码器以及多模态编码器是否训练完成，以基于训练完成的各编码器对视频数据进行更精确的特征提取。
在一示例性实施例中，如图7所示，展示对象识别模型中还包含有分类任务模型，该分类任务模型的训练过程可以通过如下步骤实现：
步骤S701，获取第二训练样本集。
其中，第二训练样本集中为包含展示对象信息的训练数据，多模态训练数据携带展示对象标注结果。训练数据包含图像数据和文本数据。
在实施中，计算机设备获取第二训练样本集，该第二训练样本集中包含的训练数据具体如下表1所示：
表1
Figure BDA0003702834680000161
其中，训练数据包含两种模态数据：图像数据和文本数据，训练数据携带有展示对象标注结果，该展示对象标注结果可以包含有多种，例如，展示对象的标签信息、品牌信息以及属性信息等，本公开实施例对于展示对象标注结果的数量和种类均不做限定。
步骤S702，将第二训练样本集输入至预训练的图像编码器、文本编码器和多模态数据编码器，确定融合编码特征。
在实施中，计算机设备将该第二训练样本集输入至图像编码器、文本编码器和多模态数据编码器中，由于图像编码器、文本编码器和多模态数据编码器已经过预先训练，因此，第二训练样本集中的训练数据依次经过图像编码器、文本编码器以及多模态编码器，可以得到最终的特征提取结果，即融合编码特征。
步骤S703，将融合编码特征输入至分类任务模型，得到展示对象识别结果，直至展示对象识别结果与展示对象标注结果间的损失值满足预设的损失条件，分类任务模型训练完成。
在实施中，计算机设备将融合编码特征输入至分类任务模型，得到分类任务模型输出的展示对象识别结果，该展示对象识别结果表征针对该展示对象的分类信息。然后，将该展示对象识别结果与由展示对象标注结果表征的分类信息进行判断，当展示对象识别结果表征的分类信息与展示对象标注结果的分类信息间的损失值满足预设的损失条件时，该分类任务模型训练完成。可选的，预设的损失条件可以但不限于为预设的损失阈值，当分类信息间的损失值小于预设的损失阈值时，确定满足预设的损失条件。
当展示对象识别结果表征的分类信息与展示对象标注结果的分类信息间的损失值不满足预设的损失条件时，则重复执行步骤S702至步骤S703的过程，本公开实施例不再赘述。
本实施例中，根据预训练完成的图像编码器、文本编码器以及多模态编码器对第二训练样本集进行特征提取，然后，基于第二训练样本的融合编码特征以及携带的展示对象标注结果实现对分类任务模型的训练，以使训练后的分类任务模型可以准确识别展示对象信息。
在一示例性实施例中，针对展示对象的相关信息，分类任务模型可以执行展示对象多种分类任务，因此，分类任务模型包括多专家网络模块以及多个分类任务层，如图8所示，则步骤S703中将融合编码特征输入至分类任务模型，得到展示对象识别结果具体通过以下步骤实现：
步骤S801，将融合编码特征输入至多专家网络模块，通过预设的分类处理策略，对融合编码特征进行加权处理，得到分类处理策略对应的特征处理结果。
其中，每一分类处理策略对应一个分类任务层。
在实施中，计算机设备将融合编码特征输入至多专家网络模块，该多专家网络模块中预设有多种分类处理策略，每种不同的分类处理策略对应不同的权重值，用于对不同的分类任务处理特征数据。因此，多专家网络模块基于不同的分类处理策略对融合编码特征进行加权处理，得到与每种分类处理策略对应的特征处理结果。
步骤S802，将各特征处理结果输入至对应的分类任务层，得到每一分类任务层输出的展示对象识别结果。
在实施中，由于每种分类处理策略对应一个分类任务，也即对应一个分类任务层，计算机设备将多专家网络模块输出的不同的特征处理结果输入至对应的分类任务层，以使各分类任务层对该特征处理结果进行分类判别，得到每一分类任务层输出的展示对象识别结果。
可选的，各分类任务层可以包括展示对象标签分类任务层、展示对象属性分类任务层以及展示对象品牌分类任务层，针对不同的分类任务层，可以针对展示对象进行多维度的分类。
本实施例中，在分类任务模型中设置多专家网络模块以及多分类任务层，实现多任务的统一建模，提高模型创建和训练的效率。
在一示例性实施例中，如图9所示，提供了一种展示对象识别方法，该方法包括以下步骤：
步骤S901，获取待识别的视频数据。
其中，该视频数据包括图像数据和文本数据
在实施中，计算机设备获取待识别的视频数据，该待识别的视频数据可以是目标账户已浏览的视频数据，以通过分析该视频数据中的展示对象相关信息，明确该目标账户的展示对象偏好。
步骤S902，将视频数据输入至展示对象识别模型中，得到展示对象识别结果。
其中，展示对象识别模型由上述实施例中公开的展示对象识别模型的训练方法训练得到的。
在实施中，计算机设备将获取到的视频数据输入至已训练的展示对象识别模型中。具经过展示对象识别模型中预训练的图像编码器、文本编码器分别对同一视频数据中的图像数据和文本数据进行特征提取，然后，通过多模态编码器将该视频数据的图像编码特征和文本编码特征进行特征融合，得到融合编码特征。进而，将融合编码特征输入至预训练的分类任务模型，经过分类任务模型的分类判别，得到展示对象识别结果，该展示对象识别结果可以但不限于为展示对象的属性分类结果、品牌分类结果以及标签分类结果。其中，展示对象识别模型对视频数据的分析处理过程与上述实施例中对训练数据的分析处理过程相似，本公开实施例不再赘述。
本实施例中，通过预训练的展示对象识别模型对目标账户的已浏览的视频数据进行处理分析，得到展示对象识别结果，基于该展示对象识别结果更精准确定目标账户的展示对象偏好。
在一示例性实施例中，在计算机设备已经在目标账户已浏览的视频数据中确定出展示对象识别结果的基础上，还可以对下游媒介信息视频数据进行处理，如图10所示，该展示对象识别方法还包括：
步骤S1001，获取媒介信息视频数据。
在实施中，计算机设备获取媒介信息视频数据，该媒介信息视频数据包括图像数据和文本数据，该媒介信息视频数据是专门用于推荐展示对象的视频数据，例如，广告视频数据，因此，该媒介信息视频数据中包含展示对象信息，该展示对象信息即为广告视频所要推荐的目标商品的信息。
步骤S1002，将媒介信息视频数据输入至展示对象识别模型中，得到媒介信息视频数据对应的展示对象识别结果。
在实施中，计算机设备将媒介信息视频数据输入至展示对象识别模型中，根据展示对象识别模型对媒介信息数据进行特征提取和分类判别，从而得到媒介信息视频数据对应的展示对象识别结果，具体的，该媒介信息视频数据处理分析过程与已浏览的视频数据的处理分析过程相似，本公开实施例不再赘述。
可选的，本公开实施例中的展示对象识别模型除了可以依次对目标账户已浏览的视频数据、媒介信息视频数据进行处理之外，如图11所示，图11提供了一种双视频数据流并行处理的框架流程图，由图11中可知，还可以将目标账户已浏览的视频数据以及媒介信息视频数据同时输入至展示对象识别模型中，对两种视频数据进行并行处理，本公开实施例对于不同来源的视频数据的处理顺序不做限定。
步骤S1003，基于已浏览的视频数据对应的展示对象识别结果，为目标账户推送相同展示对象识别结果的媒介信息视频数据。
在实施中，在分析目标账户已浏览的视频数据，并得到已浏览的视频数据中包含的展示对象识别结果之后，计算机设备根据该展示对象识别结果，在各媒介信息视频数据中，将与目标账户已浏览的视频数据展示对象识别结果相同的媒介信息视频数据，确定为目标媒介信息视频数据，并将给目标媒介信息视频数据推送给目标账户，以使媒介信息视频数据更符合目标账户的偏好。
本实施例中，通过展示对象识别模型，对目标账户已浏览的视频数据以及媒介信息视频数据进行分析处理，得到两种视频数据的展示对象识别结果，进而，基于目标账户已浏览的视频数据对应的展示对象识别结果，在媒介信息视频数据中确定相同展示对象识别结果的目标媒介信息视频数据，推送给目标账户，提高了媒介信息视频数据的推送精确度。
应该理解的是，虽然图1、图2-图10的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1、图2-图10中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
可以理解的是，本说明书中上述方法的各个实施例之间相同/相似的部分可互相参见，每个实施例重点说明的是与其他实施例的不同之处，相关之处参见其他方法实施例的说明即可。
图12是根据一示例性实施例示出的一种展示对象识别模型的训练装置框图。参照图12，该装置1200包括获取单元1210，特征提取单元1220、融合单元1230、预训练单元1240和构建单元1250。
获取单元1210，被配置为执行获取第一训练样本集，第一训练样本集中包含多个训练样本对，每个训练样本对包含展示对象的图像数据和文本数据；
特征提取单元1220，被配置为执行根据图像编码器、文本编码器对训练样本集中的多个训练样本对进行特征提取，得到多个编码特征对，每一编码特征对中包含图像编码特征和文本编码特征；
融合单元1230，被配置为执行根据多模态编码器对每一编码特征对进行特征融合，得到融合编码特征；
预训练单元1230，被配置为执行根据每一编码特征对，确定图像编码特征和文本编码特征间的相似度关系，并根据相似度关系、融合编码特征以及融合特征判别算法，确定融合特征判别结果，基于融合特征判别结果对图像编码器、文本编码器以及多模态编码器进行预训练；融合特征判别结果表征融合特征处理结果与预设的融合条件间的损失情况；
构建单元1240，被配置为执行根据预训练的图像编码器、文本编码器和多模态编码器、以及分类任务模型，构建展示对象识别模型。
在一示例性实施例中，预训练单元，包括：
计算子单元，被配置为执行计算每一编码特征对中的图像编码特征和文本编码特征间的相似度；
构建子单元，被配置为执行根据第一训练样本集中的样本对类型和相似度，构建相似度矩阵。
在一示例性实施例中，融合特征判别算法包括融合效果分类算法，训练样本对包括正样本对和负样本对，预训练单元1230，包括：
第一确定子单元，被配置为执行根据相似度矩阵，在训练样本对中确定每一正样本对对应的难负样本对；难负样本对是与正样本对满足预设相似度条件的训练样本对；
第二确定子单元，被配置为执行根据正样本对的融合编码特征、难负样本对的融合编码特征以及融合效果分类算法，确定正样本对和难负样本对的融合编码特征的分类处理结果，基于分类处理结果与训练样本对类型，确定融合特征判别结果。
在一示例性实施例中，训练样本对包括正样本对和负样本对，预训练单元1230，包括：
确定子单元，被配置为执行在正样本对的融合编码特征中，确定图像特征块与文本标识间的相似度，并将相似度最高的图像特征块与文本标识，确定为目标图像特征块和目标文本标识；
掩膜处理子单元，对目标图像特征块进行掩膜处理，得到图像掩膜数据，并根据图像掩膜数据和目标文本标识构建图像掩膜数据组；对目标文本标识进行掩膜处理，得到文本掩膜数据，并根据文本掩膜数据和目标图像特征块构建文本掩膜数据组；
图像重建子单元，被配置为执行根据图像掩膜数据组中的目标文本标识，对图像掩膜数据进行图像重建，得到图像重建结果，将图像重建结果与初始的目标图像特征块进行损失计算，得到第一判别结果；
文本重建子单元，被配置为执行根据文本掩膜数据组中的目标图像特征块，对文本掩膜数据进行文本重建，得到文本重建结果，将文本重建结果与初始的目标文本标识进行损失计算，得到第二判别结果，第一判别结果和第二判别结果共同构成融合特征判别结果。
在一示例性实施例中，预训练单元1230，包括：
判别子单元，被配置为执行判断融合特征判别结果是否满足预设的模型准确度条件；
第三确定子单元，被配置为执行当相似度关系、融合特征判别结果满足模型准确度条件时，确定完成对图像编码器、文本编码器以及多模态编码器的预训练。
在一示例性实施例中，展示对象识别模型的训练装置1200还包括：
获取单元，被配置为执行获取第二训练样本集，第二训练样本集中包含训练数据，训练数据包含图像数据和文本数据，且训练数据携带展示对象标注结果；
特征提取单元，被配置为执行将第二训练样本集输入至预训练的图像编码器、文本编码器和多模态数据编码器，确定融合编码特征；
训练单元，被配置为执行将融合编码特征输入至分类任务模型，得到展示对象识别结果，直至展示对象识别结果与展示对象标注结果间的损失值满足预设的损失条件，分类任务模型训练完成。
在一示例性实施例中，所述分类任务模型包括多专家网络模块以及多个分类任务层，所述训练单元，包括：
加权处理单元，被配置为执行将所述融合编码特征输入至所述多专家网络模块，通过预设的分类处理策略，对所述融合编码特征进行加权处理，得到所述分类处理策略对应的特征处理结果；每一所述分类处理策略对应一个所述分类任务层；
输入单元，被配置为执行将各所述特征处理结果输入至对应的所述分类任务层，得到每一所述分类任务层输出的展示对象识别结果。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图13是根据一示例性实施例示出的一种用于展示对象识别模型的训练方法的电子设备1300的框图。例如，电子设备1300可以是移动电话、计算机、数字广播终端、消息收发设备、游戏控制台、平板设备、医疗设备、健身设备、个人数字助理等。
参照图13，电子设备1300可以包括以下一个或多个组件：处理组件1302、存储器1304、电源组件1306、多媒体组件1308、音频组件1310、输入/输出(I/O)的接口1312、传感器组件1314以及通信组件1316。
处理组件1302通常控制电子设备1300的整体操作，诸如与显示、电话呼叫、数据通信、相机操作和记录操作相关联的操作。处理组件1302可以包括一个或多个处理器1320来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1302可以包括一个或多个模块，便于处理组件1302和其他组件之间的交互。例如，处理组件1302可以包括多媒体模块，以方便多媒体组件1308和处理组件1302之间的交互。
存储器1304被配置为存储各种类型的数据以支持在电子设备1300的操作。这些数据的示例包括用于在电子设备1300上操作的任何应用程序或方法的指令、联系人数据、电话簿数据、消息、图片、视频等。存储器1304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)、电可擦除可编程只读存储器(EEPROM)、可擦除可编程只读存储器(EPROM)、可编程只读存储器(PROM)、只读存储器(ROM)、磁存储器、快闪存储器、磁盘、光盘或石墨烯存储器。
电源组件1306为电子设备1300的各种组件提供电力。电源组件1306可以包括电源管理***，一个或多个电源，及其他与为电子设备1300生成、管理和分配电力相关联的组件。
多媒体组件1308包括在所述电子设备1300和用户之间的提供输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1308包括前置摄像头和/或后置摄像头。当电子设备1300处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是固定的光学透镜***或具有焦距和光学变焦能力。
音频组件1310被配置为输出和/或输入音频信号。例如，音频组件1310包括麦克风(MIC)，当电子设备1300处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1304或经由通信组件1316发送。在一些实施例中，音频组件1310还包括扬声器，用于输出音频信号。
I/O接口1312为处理组件1302和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1314包括一个或多个传感器，用于为电子设备1300提供各个方面的状态评估。例如，传感器组件1314可以检测到电子设备1300的打开/关闭状态，组件的相对定位，例如所述组件为电子设备1300的显示器和小键盘，传感器组件1314还可以检测电子设备1300或电子设备1300组件的位置改变，用户与电子设备1300接触的存在或不存在，设备1300方位或加速/减速和电子设备1300的温度变化。传感器组件1314可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1314还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1314还可以包括加速度传感器、陀螺仪传感器、磁传感器、压力传感器或温度传感器。
通信组件1316被配置为便于电子设备1300和其他设备之间有线或无线方式的通信。电子设备1300可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件1316经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1316还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备1300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的计算机可读存储介质，例如包括指令的存储器1304，上述指令可由电子设备1300的处理器1320执行以完成上述方法。例如，计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供一种计算机程序产品，所述计算机程序产品中包括指令，上述指令可由电子设备1300的处理器1320执行以完成上述方法。
需要说明的，上述的装置、电子设备、计算机可读存储介质、计算机程序产品等根据方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (14)

1.一种展示对象识别模型的训练方法，其特征在于，所述方法包括：
获取第一训练样本集，所述第一训练样本集中包含多个训练样本对，每个所述训练样本对包含展示对象的图像数据和文本数据；
根据图像编码器、文本编码器对所述训练样本集中的多个训练样本对进行特征提取，得到多个编码特征对，每一所述编码特征对中包含图像编码特征和文本编码特征；
根据多模态编码器对每一所述编码特征对进行特征融合，得到融合编码特征；
根据每一所述编码特征对，确定所述图像编码特征和所述文本编码特征间的相似度关系，并根据所述相似度关系、所述融合编码特征以及融合特征判别算法，确定融合特征判别结果，基于所述融合特征判别结果对所述图像编码器、所述文本编码器以及所述多模态编码器进行预训练；所述融合特征判别结果表征融合特征处理结果与预设的融合条件间的损失情况；
根据预训练的所述图像编码器、所述文本编码器和所述多模态编码器、以及分类任务模型，构建展示对象识别模型。
2.根据权利要求1所述的展示对象识别模型的训练方法，其特征在于，所述训练样本对类型包括正样本对类型和负样本对类型，所述根据每一所述编码特征对，确定所述图像编码特征和所述文本编码特征间的相似度关系，包括：
计算每一所述编码特征对中的所述图像编码特征和所述文本编码特征间的相似度；
根据所述第一训练样本集中的样本对类型和所述相似度，构建相似度矩阵。
3.根据权利要求2所述的展示对象识别模型的训练方法，其特征在于，所述融合特征判别算法包括融合效果分类算法，所述训练样本对包括正样本对和负样本对，所述根据所述相似度关系、所述融合编码特征以及融合特征判别算法，确定融合特征判别结果，包括：
根据所述相似度矩阵，在所述训练样本对中确定每一所述正样本对对应的难负样本对；所述难负样本对是与所述正样本对满足预设相似度条件的训练样本对；
根据所述正样本对的融合编码特征、所述难负样本对的融合编码特征以及所述融合效果分类算法，确定所述正样本对和所述难负样本对的融合编码特征的分类处理结果，基于所述分类处理结果与所述训练样本对类型，确定融合特征判别结果。
4.根据权利要求1至3中任一项所述的展示对象识别模型的训练方法，其特征在于，所述融合特征判别算法包括掩膜重建算法，所述训练样本对包括正样本对和负样本对，所述根据所述相似度关系、所述融合编码特征以及融合特征判别算法，确定融合特征判别结果，包括：
在所述正样本对的所述融合编码特征中，确定图像特征块与文本标识间的相似度，并将相似度最高的所述图像特征块与所述文本标识，确定为目标图像特征块和目标文本标识；
对所述目标图像特征块进行掩膜处理，得到图像掩膜数据，并根据所述图像掩膜数据和所述目标文本标识构建图像掩膜数据组；对所述目标文本标识进行掩膜处理，得到文本掩膜数据，并根据所述文本掩膜数据和所述目标图像特征块构建文本掩膜数据组；
根据所述图像掩膜数据组中的所述目标文本标识，对所述图像掩膜数据进行图像重建，得到图像重建结果，将所述图像重建结果与初始的所述目标图像特征块进行损失计算，得到第一判别结果；
根据所述文本掩膜数据组中的所述目标图像特征块，对所述文本掩膜数据进行文本重建，得到文本重建结果，将所述文本重建结果与初始的所述目标文本标识进行损失计算，得到第二判别结果，所述第一判别结果和所述第二判别结果共同构成融合特征判别结果。
5.根据权利要求1所述的展示对象识别模型的训练方法，其特征在于，所述基于所述融合特征判别结果对所述图像编码器、所述文本编码器以及所述多模态编码器进行预训练，包括：
判断所述融合特征判别结果是否满足预设的模型准确度条件；
当所述融合特征判别结果满足所述模型准确度条件时，确定完成对所述图像编码器、所述文本编码器以及所述多模态编码器的预训练。
6.根据权利要求1所述的展示对象识别模型的训练方法，其特征在于，所述分类任务模型的训练过程包括：
获取第二训练样本集，所述第二训练样本集中包含训练数据，所述训练数据包含图像数据和文本数据，且所述训练数据携带展示对象标注结果；将所述第二训练样本集输入至预训练的所述图像编码器、所述文本编码器和所述多模态数据编码器，确定融合编码特征；
将所述融合编码特征输入至分类任务模型，得到展示对象识别结果，直至所述展示对象识别结果与所述展示对象标注结果间的损失值满足预设的损失条件，所述分类任务模型训练完成。
7.根据权利要求6所述的展示对象识别模型的训练方法，其特征在于，所述分类任务模型包括多专家网络模块以及多个分类任务层，所述将所述融合编码特征输入至分类任务模型，得到展示对象识别结果，包括：
将所述融合编码特征输入至所述多专家网络模块，通过预设的分类处理策略，对所述融合编码特征进行加权处理，得到所述分类处理策略对应的特征处理结果；每一所述分类处理策略对应一个所述分类任务层；
将各所述特征处理结果输入至对应的所述分类任务层，得到每一所述分类任务层输出的展示对象识别结果。
8.一种展示对象识别方法，其特征在于，所述方法包括：
获取待识别的视频数据，所述视频数据包括图像数据和文本数据；
将所述视频数据输入至展示对象识别模型中，得到展示对象识别结果；所述展示对象识别模型由上述权利要求1至7中任一项所述的展示对象识别模型的训练方法训练得到的。
9.根据权利要求8所述的展示对象识别方法，其特征在于，所述方法还包括：
获取媒介信息视频数据；
将所述媒介信息视频数据输入至所述展示对象识别模型中，得到所述媒介信息视频数据对应的展示对象识别结果；
基于已浏览的视频数据对应的展示对象识别结果，为目标账户推送相同展示对象识别结果的媒介信息视频数据。
10.一种展示对象识别模型的训练装置，其特征在于，所述装置包括：
获取单元，被配置为执行获取第一训练样本集，所述第一训练样本集中包含多个训练样本对，每个所述训练样本对包含展示对象的图像数据和文本数据；
特征提取单元，被配置为执行根据图像编码器、文本编码器对所述训练样本集中的多个训练样本对进行特征提取，得到多个编码特征对，每一所述编码特征对中包含图像编码特征和文本编码特征；
融合单元，被配置为执行根据多模态编码器对每一所述编码特征对进行特征融合，得到融合编码特征；
预训练单元，被配置为执行根据每一所述编码特征对，确定所述图像编码特征和所述文本编码特征间的相似度关系，并根据所述相似度关系、所述融合编码特征以及融合特征判别算法，确定融合特征判别结果，基于所述融合特征判别结果对所述图像编码器、所述文本编码器以及所述多模态编码器进行预训练；所述融合特征判别结果表征融合特征处理结果与预设的融合条件间的损失情况；
构建单元，被配置为执行根据预训练的所述图像编码器、所述文本编码器和所述多模态编码器、以及分类任务模型，构建展示对象识别模型。
11.一种展示对象识别装置，其特征在于，所述装置包括：
数据获取单元，被配置为执行获取待识别的视频数据，所述视频数据包括图像数据和文本数据；
处理单元，被配置为执行将所述视频数据输入至展示对象识别模型中，得到展示对象识别结果；所述展示对象识别模型由上述权利要求1至7中任一项所述的展示对象识别模型的训练方法训练得到的。
12.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1至9中任一项所述的方法。
13.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1至9中任一项所述的方法。
14.一种计算机程序产品，所述计算机程序产品中包括指令，其特征在于，所述指令被电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1至9任一项所述的方法。
CN202210734938.0A 2022-06-20 2022-06-20 展示对象识别模型的训练方法、装置和电子设备 Active CN115100472B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210734938.0A CN115100472B (zh) 2022-06-20 2022-06-20 展示对象识别模型的训练方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210734938.0A CN115100472B (zh) 2022-06-20 2022-06-20 展示对象识别模型的训练方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN115100472A true CN115100472A (zh) 2022-09-23
CN115100472B CN115100472B (zh) 2023-06-27

Family

ID=83292813

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210734938.0A Active CN115100472B (zh) 2022-06-20 2022-06-20 展示对象识别模型的训练方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN115100472B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115578707A (zh) * 2022-10-25 2023-01-06 上海壁仞智能科技有限公司 目标识别方法、装置、电子设备及存储介质
CN116030295A (zh) * 2022-10-13 2023-04-28 中电金信软件(上海)有限公司 物品识别方法、装置、电子设备及存储介质
CN116109866A (zh) * 2023-01-18 2023-05-12 阿里巴巴（中国）有限公司 微调模型构建、图像分类处理方法及装置、电子设备
CN116383428A (zh) * 2023-03-31 2023-07-04 北京百度网讯科技有限公司 一种图文编码器训练方法、图文匹配方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200265272A1 (en) * 2019-02-19 2020-08-20 Fujitsu Limited Apparatus and method for training classification model and apparatus for performing classification by using classification model
CN111709406A (zh) * 2020-08-18 2020-09-25 成都数联铭品科技有限公司 文本行识别方法及装置、可读存储介质、电子设备
CN112990297A (zh) * 2021-03-10 2021-06-18 北京智源人工智能研究院 多模态预训练模型的训练方法、应用方法及装置
CN113269189A (zh) * 2021-07-20 2021-08-17 北京世纪好未来教育科技有限公司 文本识别模型的构建方法、文本识别方法、装置及设备
CN114298121A (zh) * 2021-10-09 2022-04-08 腾讯科技（深圳）有限公司 基于多模态的文本生成方法、模型训练方法和装置
CN114445201A (zh) * 2022-02-16 2022-05-06 中山大学 一种基于多模态预训练模型的组合商品检索方法及***
US20220148299A1 (en) * 2019-05-24 2022-05-12 Google Llc Image extension neural networks
CN114492313A (zh) * 2021-12-28 2022-05-13 北京达佳互联信息技术有限公司 编码器的训练方法、资源推荐方法及装置
CN114511744A (zh) * 2022-01-29 2022-05-17 北京有竹居网络技术有限公司 图像分类方法、装置、可读介质和电子设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200265272A1 (en) * 2019-02-19 2020-08-20 Fujitsu Limited Apparatus and method for training classification model and apparatus for performing classification by using classification model
US20220148299A1 (en) * 2019-05-24 2022-05-12 Google Llc Image extension neural networks
CN111709406A (zh) * 2020-08-18 2020-09-25 成都数联铭品科技有限公司 文本行识别方法及装置、可读存储介质、电子设备
CN112990297A (zh) * 2021-03-10 2021-06-18 北京智源人工智能研究院 多模态预训练模型的训练方法、应用方法及装置
CN113269189A (zh) * 2021-07-20 2021-08-17 北京世纪好未来教育科技有限公司 文本识别模型的构建方法、文本识别方法、装置及设备
CN114298121A (zh) * 2021-10-09 2022-04-08 腾讯科技（深圳）有限公司 基于多模态的文本生成方法、模型训练方法和装置
CN114492313A (zh) * 2021-12-28 2022-05-13 北京达佳互联信息技术有限公司 编码器的训练方法、资源推荐方法及装置
CN114511744A (zh) * 2022-01-29 2022-05-17 北京有竹居网络技术有限公司 图像分类方法、装置、可读介质和电子设备
CN114445201A (zh) * 2022-02-16 2022-05-06 中山大学 一种基于多模态预训练模型的组合商品检索方法及***

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
DONGSHENG RUAN ET AL.: "Spatially-Aware Context Neural Networks", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 *
JUNNAN LI ET AL.: "Align before Fuse:Vision and Language Representation Learning with Momentum Distillation" *
刘尚争;刘斌;: "生成对抗网络图像类别标签跨模态识别***设计" *
张菊莉;贺占庄;戴涛;张君毅;: "VTC-KSVD:一种融合视觉特征与标签一致性的多标签图像标注方法", 北京理工大学学报 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116030295A (zh) * 2022-10-13 2023-04-28 中电金信软件(上海)有限公司 物品识别方法、装置、电子设备及存储介质
CN115578707A (zh) * 2022-10-25 2023-01-06 上海壁仞智能科技有限公司 目标识别方法、装置、电子设备及存储介质
CN116109866A (zh) * 2023-01-18 2023-05-12 阿里巴巴（中国）有限公司 微调模型构建、图像分类处理方法及装置、电子设备
CN116383428A (zh) * 2023-03-31 2023-07-04 北京百度网讯科技有限公司 一种图文编码器训练方法、图文匹配方法及装置
CN116383428B (zh) * 2023-03-31 2024-04-05 北京百度网讯科技有限公司 一种图文编码器训练方法、图文匹配方法及装置

Also Published As

Publication number Publication date
CN115100472B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
CN109089133B (zh) 视频处理方法及装置、电子设备和存储介质
CN115100472B (zh) 展示对象识别模型的训练方法、装置和电子设备
WO2020107813A1 (zh) 图像的描述语句定位方法及装置、电子设备和存储介质
CN111539443B (zh) 一种图像识别模型训练方法及装置、存储介质
CN110633700B (zh) 视频处理方法及装置、电子设备和存储介质
CN110399841B (zh) 一种视频分类方法、装置及电子设备
CN110175223A (zh) 一种实现问题生成的方法及装置
CN111435432B (zh) 网络优化方法及装置、图像处理方法及装置、存储介质
CN110532956B (zh) 图像处理方法及装置、电子设备和存储介质
CN110764627B (zh) 一种输入方法、装置和电子设备
CN110781323A (zh) 多媒体资源的标签确定方法、装置、电子设备及存储介质
CN111582383A (zh) 属性识别方法及装置、电子设备和存储介质
US11546663B2 (en) Video recommendation method and apparatus
CN111259967A (zh) 图像分类及神经网络训练方法、装置、设备及存储介质
CN113032627A (zh) 视频分类方法、装置、存储介质及终端设备
CN115203543A (zh) 内容推荐方法、内容推荐模型的训练方法及装置
CN115909127A (zh) 异常视频识别模型的训练方法、异常视频识别方法和装置
CN111046927A (zh) 标注数据的处理方法、装置、电子设备及存储介质
CN111062401A (zh) 堆叠物体的识别方法及装置、电子设备和存储介质
CN113779257A (zh) 文本分类模型的解析方法、装置、设备、介质及产品
CN113920293A (zh) 信息识别方法、装置、电子设备及存储介质
CN112381091A (zh) 视频内容识别方法、装置、电子设备及存储介质
CN113609380B (zh) 标签体系更新方法、搜索方法、装置以及电子设备
CN111428806B (zh) 图像标签确定方法、装置、电子设备及存储介质
CN114036937A (zh) 场景布局预测网络的训练方法及场景布局的估计方法

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
GR01 Patent grant
GR01 Patent grant