一种对象信息处理、信息推送方法、装置和系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114780847A(43)申请公布日2022.07.22(21)申请号202210441457.0G06V10/774(2022.01)(22)申请日2022.04.25G06K9/62(2022.01)(71)申请人北京沃东天骏信息技术有限公司地址100176北京市北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人刘犇王刚刘旭(74)专利代理机构中原信达知识产权代理有限责任公司11219专利代理师孙磊韩黎捷(51)Int.Cl.G06F16/9535(2019.01)G06F16/583(2019.01)G06V10/40(2022.01)G06V10/74(2022.01)权利要求书3页说明书11页附图5页(54)发明名称一种对象信息处理、信息推送方法、装置和系统(57)摘要本发明公开了一种对象信息处理、信息推送方法、装置和系统，涉及人工智能领域。该方法的一具体实施方式包括：能够利用训练好的图像关系模型，确定待处理的对象图像与归属于相同对象类别的多个对比图像的图像特征的相似度，根据相似度确定与待处理的对象图像具有相似关系的目标对象信息；其中，图像关系模型是通过对比自监督训练样本集合训练得到，通过对比自监督训练样本集合训练图像关系模型，提高了训练图像关系模型的效率以及图像关系模型输出相似度的准确性，从而提高了获取具有相似关系的目标对象信息的准确率和效率。CN114780847ACN114780847A权利要求书1/3页1.一种处理对象信息的方法，其特征在于，包括：获取目标对象信息，所述目标对象信息包括对象归属的对象类别以及对象图像；将所述对象图像、以及归属于所述对象类别的多个对比图像输入训练好的图像关系模型，所述训练好的图像关系模型通过对比自监督学习训练样本集合训练所得，其中，所述训练样本集合包括有由第一训练用图像生成的正例样本对以及与所述第一训练用图像存在特征差异的负例样本；利用所述图像关系模型输出的所述对象图像与多个对比图像的相似度，为所述目标对象信息确定相似信息。2.根据权利要求1所述的方法，其特征在于，还包括：利用所述图像关系模型包括的图像特征提取模型，为初始训练样本集合中的每一个训练用图像生成对应的样本对，其中，任意一个所述训练用图像作为所述第一训练用图像，所述第一训练用图像对应的样本对为所述正例样本对，所述初始训练样本集合中所述第一训练用图像之外的其他训练用图像的样本对中的样本为所述第一训练用图像的负例样本；利用所述图像关系模型包括的模型损失函数、所述正例样本对以及负例样本，计算损失值；根据计算出的所述损失值调整所述图像特征提取模型。3.根据权利要求2所述的方法，其特征在于，进一步包括：为属于同一对象类别的多个训练用图像划分出多个对象属性；将属于同一所述对象属性对应的多个训练用图像存储到一个属性样本子集；对至少两个所述对象属性对应的属性样本子集组合，构成所述初始训练样本集合。4.根据权利要求2所述的方法，其特征在于，所述利用所述图像关系模型包括的图像特征提取模型，为初始训练样本集合中的每一个训练用图像生成对应的样本对，包括：将所述初始训练样本集合输入所述图像特征提取模型；并利用所述图像特征提取模型对所述初始训练样本集合中的每一个所述训练用图像进行两次随机失活操作，生成包括有第一图像向量和第二图像向量的样本对。5.根据权利要求4所述的方法，其特征在于，还包括：所述图像关系模型还包括非线性模型；利用所述非线性模型优化所述第一图像向量和所述第二图像向量；并利用优化后的结果构成所述训练样本集合。6.根据权利要求4所述的方法，其特征在于，所述模型损失函数包括：第一损失函数、第二损失函数、第三损失函数以及所述第一损失函数、所述第二损失函数、所述第三损失函数之间的计算关系；所述计算损失值，包括：利用所述第一损失函数计算所述样本对中第一图片向量与第二图片向量叠加的交叉熵；利用所述第二损失函数计算所述样本对中第一图片向量与第二图片向量之间的相对熵；利用所述第三损失函数计算正例样本的图片向量相似度和所述正例样本对应的多个负例样本的图片向量相似度的噪音对比估计；2CN114780847A权利要求书2/3页所述利用所述交叉熵、所述相对熵、所述噪音对比估计之间的计算关系计算所述损失值。7.一种基于权利要求1‑6任一所述处理对象信息的方法实现的信息推送方法，其特征在于，包括：获取所述目标对象信息对应的多条相似信息；根据预设的推送策略，从所述多条相似信息中筛选出一条或多条待推送信息；将一条或多条所述待推送信息推送给客户端。8.根据权利要求7所述的方法，其特征在于，所述推送策略包括：获取所述对象图像与多个对比图像的图片相似度；筛选