[發(fā)明專(zhuān)利]用于生成信息的方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201810879258.1
• 申請(qǐng)日: 2018-08-03
• 公開(kāi)（公告）號(hào): CN109165572B
• 公開(kāi)（公告）日: 2022-02-08
• 發(fā)明（設(shè)計(jì)）人: 王健;李甫;李旭斌;孫昊;文石磊;丁二銳
• 申請(qǐng)（專(zhuān)利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類(lèi)號(hào): G06V20/00
• 分類(lèi)號(hào): G06V20/00;G06V40/10;G06V10/44;G06V10/74;G06V10/75;G06V10/774;G06K9/62
• 代理公司: 北京英賽嘉華知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

1.一種用于生成信息的方法，包括：

提取待識(shí)別圖像中目標(biāo)對(duì)象的特征矩陣，所述特征矩陣的維度包括第一維度和第二維度，所述第一維度用于表征所述目標(biāo)對(duì)象所在圖像區(qū)域中圖像的圖像特征，所述第二維度用于表征所述圖像特征所對(duì)應(yīng)的圖像在所述圖像區(qū)域中的位置；

基于所述第二維度切分所述特征矩陣得到至少兩個(gè)子矩陣；

對(duì)于所述至少兩個(gè)子矩陣中的子矩陣：獲取待匹配對(duì)象的特征矩陣中與該子矩陣在圖像區(qū)域中的位置匹配的子矩陣，其中，所述待匹配對(duì)象的特征矩陣的子矩陣的切分方式與所述目標(biāo)對(duì)象的特征矩陣的子矩陣的切分方式相同；基于該子矩陣與所獲取的子矩陣生成所述待匹配對(duì)象與所述目標(biāo)對(duì)象的相似度；所述第二維度包括水平方向維度和/或豎直方向維度；以及

所述基于所述第二維度切分所述特征矩陣得到至少兩個(gè)子矩陣，包括：

在水平方向維度和/或豎直方向維度將所述特征矩陣平均切分為預(yù)設(shè)數(shù)目個(gè)子矩陣。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述提取待識(shí)別圖像中目標(biāo)對(duì)象的特征矩陣，包括：

對(duì)所述待識(shí)別圖像進(jìn)行目標(biāo)檢測(cè)，得到目標(biāo)對(duì)象所在圖像區(qū)域的位置信息；

利用深度神經(jīng)網(wǎng)絡(luò)對(duì)所述目標(biāo)對(duì)象所在圖像區(qū)域中的圖像進(jìn)行特征提取，得到所述目標(biāo)對(duì)象的特征矩陣。

3.根據(jù)權(quán)利要求1-2中任一項(xiàng)所述的方法，其中，所述基于該子矩陣與所獲取的子矩陣生成所述待匹配對(duì)象與所述目標(biāo)對(duì)象的相似度，包括：

將該子矩陣與所獲取的子矩陣輸入至預(yù)先訓(xùn)練的針對(duì)該子矩陣在圖像區(qū)域中的位置的分類(lèi)及度量學(xué)習(xí)模型，得到與所述目標(biāo)對(duì)象匹配的待匹配對(duì)象的標(biāo)識(shí)以及所述目標(biāo)對(duì)象與所述待匹配對(duì)象的相似度，所述分類(lèi)及度量學(xué)習(xí)模型用于表征輸入的目標(biāo)對(duì)象的子矩陣、待匹配對(duì)象的子矩陣與目標(biāo)對(duì)象匹配的待匹配對(duì)象的標(biāo)識(shí)、目標(biāo)對(duì)象與待匹配對(duì)象的相似度的對(duì)應(yīng)關(guān)系。

4.根據(jù)權(quán)利要求3所述的方法，其中，所述方法還包括：

獲取樣本集，其中，所述樣本集中的樣本包括樣本目標(biāo)對(duì)象所在圖像區(qū)域中的圖像、樣本待匹配對(duì)象所在圖像區(qū)域中圖像以及與樣本目標(biāo)對(duì)象匹配的待匹配對(duì)象的標(biāo)識(shí)；

從所述樣本集中選取樣本，以及執(zhí)行以下訓(xùn)練步驟：根據(jù)選取的樣本目標(biāo)對(duì)象所在圖像區(qū)域中的圖像、樣本待匹配對(duì)象所在圖像區(qū)域中圖像，提取選取的樣本目標(biāo)對(duì)象、樣本待匹配對(duì)象的特征矩陣；基于提取的特征矩陣的第二維度切分選取的樣本目標(biāo)對(duì)象、樣本待匹配對(duì)象的特征矩陣，得到至少兩個(gè)樣本目標(biāo)對(duì)象的特征矩陣的子矩陣與至少兩個(gè)樣本待匹配對(duì)象的特征矩陣的子矩陣；將切分得到的在圖像區(qū)域中的位置相同的子矩陣輸入針對(duì)該位置的初始分類(lèi)及度量學(xué)習(xí)模型，根據(jù)針對(duì)該位置的初始分類(lèi)及度量學(xué)習(xí)模型的輸出與選取的樣本目標(biāo)對(duì)象匹配的待匹配對(duì)象的標(biāo)識(shí)，調(diào)整針對(duì)該位置的初始分類(lèi)及度量學(xué)習(xí)模型中的相關(guān)參數(shù)；確定針對(duì)該位置的初始分類(lèi)及度量學(xué)習(xí)模型是否訓(xùn)練完成；響應(yīng)于確定針對(duì)該位置的初始分類(lèi)及度量學(xué)習(xí)模型訓(xùn)練完成，將針對(duì)該位置的初始分類(lèi)及度量學(xué)習(xí)模型作為人臉檢測(cè)模型；響應(yīng)于確定針對(duì)該位置的初始分類(lèi)及度量學(xué)習(xí)模型訓(xùn)練未完成，從所述樣本集中重新選取樣本，使用調(diào)整后的針對(duì)該位置的初始分類(lèi)及度量學(xué)習(xí)模型作為針對(duì)該位置的初始分類(lèi)及度量學(xué)習(xí)模型，繼續(xù)執(zhí)行所述訓(xùn)練步驟。

5.一種用于生成信息的裝置，包括：

提取單元，被配置成提取待識(shí)別圖像中目標(biāo)對(duì)象的特征矩陣，所述特征矩陣的維度包括第一維度和第二維度，所述第一維度用于表征所述目標(biāo)對(duì)象所在圖像區(qū)域中圖像的圖像特征，所述第二維度用于表征所述圖像特征所對(duì)應(yīng)的圖像在所述圖像區(qū)域中的位置；

切分單元，被配置成基于所述第二維度切分所述特征矩陣得到至少兩個(gè)子矩陣；

生成單元，被配置成對(duì)于所述至少兩個(gè)子矩陣中的子矩陣：獲取待匹配對(duì)象的特征矩陣中與該子矩陣在圖像區(qū)域中的位置匹配的子矩陣，其中，所述待匹配對(duì)象的特征矩陣的子矩陣的切分方式與所述目標(biāo)對(duì)象的特征矩陣的子矩陣的切分方式相同；基于該子矩陣與所獲取的子矩陣生成所述待匹配對(duì)象與所述目標(biāo)對(duì)象的相似度；所述第二維度包括水平方向維度和/或豎直方向維度；以及

所述切分單元，進(jìn)一步被配置成：

在水平方向維度和/或豎直方向維度將所述特征矩陣平均切分為預(yù)設(shè)數(shù)目個(gè)子矩陣。