本公开涉及目标检测技术领域，提供了一种基于软标签生成的目标检测模型的训练方法和装置。该方法包括：将训练图像输入至目标检测教师模型，得到训练对象的第一检测结果；将训练图像输入至目标检测学生模型，得到训练对象的第二检测结果；基于第一检测结果...

本申请涉及图像表情识别技术领域，提供了一种表情识别的方法及装置。该方法包括：获取多个训练样本，并将多个训练样本输入至表情识别模型；对各个表情训练图像进行特征提取；确定各个表情训练图像的目标特征向量；对各个目标特征向量进行分类识别；确定表...

本申请涉及人工智能领域，提供了一种多模态预训练模型的训练方法、装置及存储介质，该方法包括：对输入图像文本进行预处理，得到图像特征和文本特征，并基于图像特征和文本特征，得到图文特征和图文注意力特征；对以上特征进行处理得到第一特征；将第一特...

本公开提供了一种基于全局高阶关系的目标重识别方法及装置。该方法包括：利用切片及向量压平层、多头自注意力网络、全局高阶关系感知网络和分类网络构建目标重识别模型；将训练图像输入目标重识别模型：通过切片及向量压平网络处理训练图像，得到图像特征...

本申请涉及计算机技术领域，提供了一种人群计数方法、装置、电子设备及可读存储介质。该方法包括：获取待计数人群的RGB图像和热力图；将RGB图像和热力图输入至预先训练得到的人群计数模型中，得到人群计数模型输出的人群密度图；根据人群密度图，确...

本申请涉及计算机技术领域，提供了一种图像的生成方法、装置、电子设备及可读存储介质。该方法包括：获取提示语；将提示语输入至图像生成模型中，以使图像生成模型基于提示语生成多张待处理图像；将每个待处理图像与提示语的特征分别进行融合获得与各待处...

本申请涉及计算机视觉处理技术领域，提供了一种基于多模态的零样本图像分割模型训练方法及装置。该方法包括：利用图像编码器、提示词编码器以及掩码解码器对基础分割模块进行训练，得到训练后的基础分割模块，并利用语言模型、文本编码器以及显著性检测模...

本申请涉及图像处理技术领域，提供了一种表情识别方法、装置、电子设备及存储介质。该方法通过获取人脸图片，使用特征提取网络提取得到人脸图片的人脸特征，利用第一局部预测分支、全局预测分支和第二局部预测分支对人脸特征进行并行预测，得到第一局部预...

本公开涉及数据处理技术领域，提供了一种对象推荐方法和装置。该方法包括：获取用户特征数据，并根据用户特征数据获取候选对象特征数据集合；对用户特征数据进行向量化，得到用户的表征特征向量；对各个候选对象特征数据进行化，并利用共享底部的多任务模...

本公开涉及人工智能技术领域，提供了一种图像分割方法、装置、计算机设备及计算机可读存储介质。该方法在对图像进行分割过程中，通过把交叉注意力限制在每次查询的预测屏蔽的前景区域内来提取局部特征，而非关注整个特征图，并且，可以将图像特征图与噪声...

本公开涉及人工智能技术领域，提供了一种标题生成模型的训练方法、装置、计算机设备及计算机可读存储介质。该方法通过将搜索成交转化因素引入标题生成模型的训练中，使得标题生成模型所生成的压缩标题在保留原始对象标题中的核心信息的同时，更倾向于透出...

本公开涉及计算机技术领域，提供了一种强化学习模型的训练方法及装置。该方法包括：将训练数据输入到经过预训练的无模型路径，得到第一输出向量；将训练数据输入到有模型路径的经过预训练的联想核，并通过有模型路径的其它部分将联想核输出的轨迹组编码并...

本公开涉及计算机技术领域，提供了一种推荐模型的训练方法及装置。该方法包括：将训练数据的特征数据分别输入到多任务模型和权重预测网络，对应得到多目标预测值和权重参数向量；获取多目标预测值与权重参数向量的点积，作为融合预测值；根据多目标预测值...

本公开涉及人工智能技术领域，提供了一种对象推荐方法、装置、计算机设备及计算机可读存储介质。该方法通过先筛选对象特征信息与所述目标用户的用户特征信息的匹配程度满足预设条件的待推荐对象(即候选推荐对象)，然后，筛选目标用户的点击概率大于预设...

本公开涉及计算机技术领域，提供了一种目标推荐方法及装置。该方法包括：获取用户项目数据，用户项目数据包括当前用户的用户特征、历史行为特征以及相对于当前项目的交互特征；将用户项目数据输入到预置的目标推荐模型，得到当前用户相对于当前项目的推荐...

本申请提供了一种目标对象缺陷检测方法及装置。该方法包括：利用稠密卷积神经网络提取检测样本的检测样本特征；通过高斯核密度估计的方法对检测样本特征进行处理，得到检测样本的异常分值，当检测样本的异常分值大于第一预设阈值时，确定目标对象存在缺陷...

本申请涉及图像处理技术领域，提供了一种基于全局特征学习的行人重识别方法和模型训练方法。该行人重识别方法通过获取目标图片样本；提取目标图片样本的全局特征图，并将全局特征图切分为多个局部特征图；将多个局部特征图输入至全局特征学习网络，获得全...

本申请涉及序列推荐技术领域，提供了一种基于对比学习增强的房源推荐方法和装置。该方法包括获取用户属性数据、用户交互序列和房源数据；将用户属性数据和用户交互序列输入至房源推荐模型的用户分支，获得用户向量特征；其中用户向量特征包括通过对具有用...

本申请涉及序列推荐技术领域，提供了一种强化新用户特征的物品冷启动推荐方法和装置。该方法包括获取样本特征数据集；样本特征包括用户特征、物品特征和用户物品交叉特征，其中用户特征至少包括新用户标签特征；构建物品冷启动推荐模型；物品冷启动推荐模...

本申请提供了一种语言模型的训练方法及装置。该方法包括：确定第一训练样本集合；将第一训练样本集合分别输入至一级语言模型、二级语言模型和三级语言模型，以确定相应的第一结果、第二结果和第三结果；根据第一结果、第二结果和第三结果确定损失函数；并...