[發(fā)明專利]配對(duì)圖片集的生成方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110468967.2
• 申請(qǐng)日: 2021-04-28
• 公開（公告）號(hào): CN113190698B
• 公開（公告）日: 2023-08-01
• 發(fā)明（設(shè)計(jì)）人: 龔震霆
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06F16/53
• 分類號(hào): G06F16/53;G06F16/55;G06F16/583
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 王萌

1.一種配對(duì)圖片集的生成方法，包括：

獲取用戶輸入的搜索信息；

根據(jù)所述搜索信息，生成圖片數(shù)據(jù)集；所述圖片數(shù)據(jù)集，包括多個(gè)鍵值對(duì)中的圖片集；

將所述數(shù)據(jù)集中的每一個(gè)圖片輸入經(jīng)過訓(xùn)練的第一特征提取模型，生成所述每一個(gè)圖片的第一粒度類別特征；

將所述數(shù)據(jù)集中的每一個(gè)圖片輸入經(jīng)過訓(xùn)練的第二特征提取模型，生成所述每一個(gè)圖片的第二粒度類別全局特征和第二粒度類別局部特征；

將所述每一個(gè)圖片的第一粒度類別特征，所述每一個(gè)圖片的第二粒度類別全局特征和第二粒度類別局部特征進(jìn)行融合，得到所述每一個(gè)圖片的多粒度類別特征，其中，所述多粒度類別特征指示了特征提取的粒度大小；其中，所述第一粒度類別特征的粒度粗于所述第二粒度類別特征的粒度；

對(duì)每一個(gè)鍵值對(duì)中的圖片集，選取第一粒度類別特征和/或第二粒度類別全局特征匹配的候選配對(duì)圖片集；

針對(duì)每一個(gè)所述候選配對(duì)圖片集，選取第二粒度類別局部特征匹配的第一配對(duì)圖片集；

根據(jù)多個(gè)所述第一配對(duì)圖片集，生成配對(duì)圖片集。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述根據(jù)所述搜索信息，生成圖片數(shù)據(jù)集，包括：

根據(jù)所述搜索信息，獲取搜索圖片；

在預(yù)設(shè)時(shí)間內(nèi)，響應(yīng)于對(duì)所述搜索圖片的用戶操作，確定圖片集；

針對(duì)每一個(gè)用戶，根據(jù)用戶標(biāo)識(shí)、所述預(yù)設(shè)時(shí)間和所述圖片集，生成鍵值對(duì)數(shù)據(jù)；其中，所述鍵值對(duì)中的鍵表示所述用戶標(biāo)識(shí)和所述預(yù)設(shè)時(shí)間，值表示所述圖片集；

根據(jù)至少一個(gè)鍵值對(duì)數(shù)據(jù)，生成所述圖片數(shù)據(jù)集。

3.根據(jù)權(quán)利要求1所述的方法，其中，所述根據(jù)所述搜索信息，生成圖片數(shù)據(jù)集，包括：

根據(jù)所述搜索信息，獲取至少一個(gè)目標(biāo)文本；

針對(duì)每一個(gè)目標(biāo)文本，根據(jù)所述目標(biāo)文本中的圖片集，生成鍵值對(duì)數(shù)據(jù)；其中，所述鍵值對(duì)中的鍵表示所述目標(biāo)文本的語義信息，值表示所述目標(biāo)文本中的圖片集；

根據(jù)至少一個(gè)鍵值對(duì)數(shù)據(jù)，生成所述圖片數(shù)據(jù)集。

4.根據(jù)權(quán)利要求1所述的方法，其中，所述對(duì)每一個(gè)鍵值對(duì)中的圖片集，選取第一粒度類別特征和/或第二粒度類別全局特征匹配的候選配對(duì)圖片集，包括：

對(duì)每一個(gè)鍵值對(duì)中的圖片集，選取所述第一粒度類別特征匹配的第二配對(duì)圖片集；

對(duì)每一個(gè)所述第二配對(duì)圖片集，選取所述第二粒度類別全局特征匹配的候選配對(duì)圖片集。

5.根據(jù)權(quán)利要求1所述的方法，其中，所述第一特征提取模型，采用第一訓(xùn)練樣本和第二訓(xùn)練樣本訓(xùn)練得到；

其中，所述第一訓(xùn)練樣本，用于對(duì)所述第一特征提取模型進(jìn)行第一階段的訓(xùn)練；所述第一訓(xùn)練樣本，是對(duì)已有圖片庫中的圖片進(jìn)行第一聚類得到的；

所述第二訓(xùn)練樣本，用于對(duì)所述第一特征提取模型進(jìn)行第二階段的訓(xùn)練；其中，第二訓(xùn)練樣本，是所述圖片數(shù)據(jù)集。

6.根據(jù)權(quán)利要求5所述的方法，其中，所述第二特征提取模型，采用第三訓(xùn)練樣本和第二訓(xùn)練樣本訓(xùn)練得到；

其中，所述第三訓(xùn)練樣本，用于對(duì)所述第二特征提取模型進(jìn)行第一階段的訓(xùn)練；第三訓(xùn)練樣本，是對(duì)已有圖片庫中的圖片進(jìn)行第二聚類得到的，其中，所述第二聚類的類別數(shù)量大于所述第一聚類的類別數(shù)量；

所述第二訓(xùn)練樣本，用于對(duì)所述第二特征提取模型進(jìn)行第二階段的訓(xùn)練；其中，第二訓(xùn)練樣本，是所述圖片數(shù)據(jù)集。