[發明專利]一種標簽確定方法、裝置、設備及介質

在審

• 申請號: 202211412356.7
• 申請日: 2022-11-11
• 公開（公告）號: CN115577137A
• 公開（公告）日: 2023-01-06
• 發明（設計）人: 段逸群;黃凱
• 申請（專利權）人: 北京有竹居網絡技術有限公司
• 主分類號: G06F16/58
• 分類號: G06F16/58;G06F16/583;G06F16/55;G06N3/04;G06N3/08
• 代理公司: 北京信遠達知識產權代理有限公司 11304
• 代理人: 儲倩

1.一種標簽確定方法，其特征在于，所述方法包括：

獲取待處理圖片；

將所述待處理圖片輸入目標區域檢測器中，得到所述目標區域檢測器輸出的多個候選區域，所述目標區域檢測器包括多個檢測區域種類不同的子檢測器；

將所述多個候選區域分別輸入特征映射模型中，得到所述特征映射模型輸出的與所述候選區域對應的候選向量；

利用檢索引擎在標簽庫中檢索與所述候選向量匹配的候選標簽；

從所述候選標簽中確定所述待處理圖片的目標標簽。

2.根據權利要求1所述的方法，其特征在于，所述特征映射模型采用如下方式訓練得到：

獲取訓練數據，所述訓練數據包括訓練區域圖像和與所述訓練區域圖像的標簽；

將所述訓練區域圖像輸入待訓練模型中，得到所述待訓練模型輸出所述訓練區域圖像對應的類型結果，所述待訓練模型包括中間層和分類層，所述中間層用于提取輸入的訓練區域圖像的特征，所述分類層用于基于所述特征確定所述訓練區域圖像的類型結果；

根據所述標簽和所述類型結果計算第一損失值；

根據所述第一損失值訓練所述待訓練模型；

將完成訓練的待訓練模型的中間層作為所述特征映射模型。

3.根據權利要求2所述的方法，其特征在于，所述根據所述標簽和所述類型結果計算第一損失值，包括：

根據所述標簽、所述中間層輸出的向量以及所述類型結果對應的目標邊緣距離計算第一損失值。

4.根據權利要求2所述的方法，其特征在于，所述根據所述標簽和所述類型結果計算第一損失值，包括：

根據所述標簽、所述中間層輸出的向量、所述類型結果對應的目標邊緣距離以及所述類型結果對應的目標權重計算第一損失值。

5.根據權利要求2-4任一項所述的方法，其特征在于，所述中間層采用Efficient Net。

6.根據權利要求1所述的方法，其特征在于，所述利用檢索引擎在標簽庫中檢索與所述候選向量匹配的候選標簽，包括：

確定提取所述候選向量的子檢測器對應的子標簽庫；

在所述子標簽庫中檢索與所述候選向量匹配的候選標簽。

7.根據權利要求6所述的方法，其特征在于，所述子檢測器與所述子標簽庫的對應關系是根據預設的字典確定。

8.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取所述待處理圖片的描述文本；

所述從所述候選標簽中確定所述待處理圖片的目標標簽，包括：

獲取所述候選標簽所屬的子標簽庫的預設向量；

利用所述預設向量和與所述候選標簽匹配的候選向量，計算相似性參數；

獲取所述候選標簽所屬的子標簽庫的類型文本；

將所述類型文本輸入文本向量生成模型中，得到所述文本向量生成模型輸出的語義向量；

將所述相似性參數和所述語義向量合并，得到第一輸入特征；

將所述描述文本輸入語言模型中，得到所述語言模型輸出的第二輸入特征；

將所述第一輸入特征和所述第二輸入特征輸入排序模型中，得到所述排序模型輸出的排序結果；

根據所述排序結果確定所述待處理圖片的目標標簽。

9.根據權利要求8所述的方法，其特征在于，在所述將所述第一輸入特征和所述第二輸入特征輸入排序模型中之前，所述方法還包括：

將所述第一輸入特征和所述第二輸入特征進行對齊處理，得到映射權重；

所述將所述第一輸入特征和所述第二輸入特征輸入排序模型中，得到所述排序模型輸出的排序結果，包括：

將所述映射權重輸入排序模型中，得到所述排序模型輸出的排序結果。

10.根據權利要求1所述的方法，其特征在于，所述待處理圖片是基于圖片流得到的，或者是基于視頻得到的。