用于输出信息的方法和装置制造方法及图纸

本申请实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：获取待分类图像；提取所述待分类图像的特征信息；将所述特征信息导入预先建立的图像分类模型，得到所述待分类图像的行业标签信息，并输出得到的行业标签信息，其中，所述图像分类模型用于表征图像的特征信息与行业标签信息之间的对应关系，所述图像分类模型为包括残差神经网络的深度神经网络模型。该实施方式通过使用图像分类模型，提高了所生成的、待分类图像的行业标签信息的准确性。

The method and device for the output of information

The present application embodiment discloses a method and device for the output of information. One embodiment of the method includes: obtaining the image classification; feature information extraction of the image classification; image classification model using the characteristic information into the pre established industry, get the label information of image classification, and the output of industry label information, obtained the classification model for the image the corresponding relationship between the feature information and tag information industry image, including the image classification model for the depth of the neural network model residual neural network. By using the image classification model, the accuracy of the industry label information that is generated and the image to be classified is improved by using the image classification model.

【技术实现步骤摘要】
用于输出信息的方法和装置
本申请实施例涉及计算机
，具体涉及图像处理
，尤其涉及用于输出信息的方法和装置。
技术介绍
随着互联网技术的快速发展，用户通过互联网获取到的信息越来越丰富。例如，通过输入查询词用户可以获得与查询词相关的各类信息，例如，文本、图像、语音等信息。以图像为例，当用户通过终端设备向服务器发送查询信息之后，服务器会根据各个待推送图像的标签信息选取符合查询信息的图像，并将选取的图像发送到终端设备，以供终端设备进行显示。为了使终端设备显示的图像更加符合用户的查询词，需要为图像设置能够准确表达图像本身所描述内容的标签信息。
技术实现思路
本申请实施例的目的在于提出一种用于输出信息的方法和装置。第一方面，本申请实施例提供了一种用于输出信息的方法，该方法包括：获取待分类图像；提取上述待分类图像的特征信息；将上述特征信息导入预先建立的图像分类模型，得到上述待分类图像的行业标签信息，并输出得到的行业标签信息，其中，上述图像分类模型用于表征图像的特征信息与行业标签信息之间的对应关系，上述图像分类模型为包括残差神经网络的深度神经网络模型。在一些实施例中，上述深度神经网络模型还包本文档来自技高网...

【技术保护点】
一种用于输出信息的方法，其特征在于，所述方法包括：获取待分类图像；提取所述待分类图像的特征信息；将所述特征信息导入预先建立的图像分类模型，得到所述待分类图像的行业标签信息，并输出得到的行业标签信息，其中，所述图像分类模型用于表征图像的特征信息与行业标签信息之间的对应关系，所述图像分类模型为包括残差神经网络的深度神经网络模型。

【技术特征摘要】
1.一种用于输出信息的方法，其特征在于，所述方法包括：获取待分类图像；提取所述待分类图像的特征信息；将所述特征信息导入预先建立的图像分类模型，得到所述待分类图像的行业标签信息，并输出得到的行业标签信息，其中，所述图像分类模型用于表征图像的特征信息与行业标签信息之间的对应关系，所述图像分类模型为包括残差神经网络的深度神经网络模型。2.根据权利要求1所述的方法，其特征在于，所述深度神经网络模型还包括至少一个池化层和至少一个全连接层，所述深度神经网络模型在训练过程中增加丢弃层，其中，最后一个池化层的输入是所述丢弃层的输入，所述丢弃层的输出为最后一个全连接层的输入。3.根据权利要求1所述的方法，其特征在于，所述深度神经网络模型是通过以下方式训练得到的：获取样本数据，其中，所述样本数据包括样本图像和样本图像对应的行业标签信息；提取样本图像的特征信息；利用深度神经网络算法，将样本数据中的样本图像的特征信息作为输入，样本图像对应的行业标签信息作为输出，训练得到深度神经网络模型。4.根据权利要求3所述的方法，其特征在于，所述样本数据是通过以下方式得到的：使用用户预先设置的至少一个关键词，从搜索引擎获取至少一张图像；对所述至少一张图像进行预处理，并为预处理后的各张图像设置行业标签信息，其中，行业标签信息属于预先设置的行业标签信息集合，所述行业标签信息集合是对所述至少一个关键词进行聚类分析得到的，所述预处理包括以下至少一项：旋转处理、长宽变化处理、明暗度变化处理、对比度变化处理、饱和度变化处理、RGB值变化处理。5.根据权利要求1所述的方法，其特征在于，在提取所述待分类图像的特征信息之前，所述方法还包括：对所述待分类图像进行处理，得到特定尺寸的待分类图像。6.一种用于输出信息的装置，其特征在于，所述装置包括：获取单元，用于获取待分类图像；提取单元，用于提取所述待分类图像的特征信息；输出单元，用于将所述特征信息导入预先建立...

【专利技术属性】
技术研发人员：王山雨，柳胜兵，韩友，陈震，李小康，罗翔，江焱，刘霄，文石磊，刘晓春，刘斌新，秦首科，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11