【技术实现步骤摘要】
基于人工智能的视觉关系识别方法、装置及电子设备
本申请涉及人工智能技术,尤其涉及一种基于人工智能的视觉关系识别方法、装置、电子设备及计算机可读存储介质。
技术介绍
人工智能(AI,ArtificialIntelligence)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法和技术及应用系统。随着深度学习的发展,图像识别技术应用到越来越多的领域以及产品中,针对于图像视觉关系检测领域,通常仅采用分类的思路来进行视觉关系标签的预测,即将融合后的视觉特征输入到最大似然函数层,以输出属于各个视觉关系标签的预测概率,该预测方式无法适应于具有语义复杂性的视觉关系标签,从而导致视觉关系检测准确率较低。
技术实现思路
本申请实施例提供一种基于人工智能的视觉关系识别方法、装置、电子设备及计算机可读存储介质,能够提升视觉关系的检测准确率。本申请实施例的技术方案是这样实现的:本申请实施例提供一种基于人工智能的视觉关系识别方法,包括:确定待识别图像中包括多个对象的联合包围框;提取所述联合包围框的视觉特征,将所述视觉特征转化为与多个视觉关系标签一一对应的多个视觉特征高斯分布;提取每个所述视觉关系标签的语义特征,将所述语义特征转化为对应所述视觉关系标签的语义特征高斯分布;在与所述多个视觉关系标签一一对应的多个语义特征高斯分布中,确定与所述视觉特征高斯分布匹配的语义特征高斯分布;将所述匹配的语义特征高斯分 ...
【技术保护点】
1.一种基于人工智能的视觉关系识别方法,其特征在于,包括:/n确定待识别图像中包括多个对象的联合包围框;/n提取所述联合包围框的视觉特征,将所述视觉特征转化为与多个视觉关系标签一一对应的多个视觉特征高斯分布;/n提取每个所述视觉关系标签的语义特征,将所述语义特征转化为对应所述视觉关系标签的语义特征高斯分布;/n在与所述多个视觉关系标签一一对应的多个语义特征高斯分布中,确定与所述视觉特征高斯分布匹配的语义特征高斯分布;/n将所述匹配的语义特征高斯分布对应的视觉关系标签所对应的视觉关系,确定为所述多个对象之间的视觉关系。/n
【技术特征摘要】
1.一种基于人工智能的视觉关系识别方法,其特征在于,包括:
确定待识别图像中包括多个对象的联合包围框;
提取所述联合包围框的视觉特征,将所述视觉特征转化为与多个视觉关系标签一一对应的多个视觉特征高斯分布;
提取每个所述视觉关系标签的语义特征,将所述语义特征转化为对应所述视觉关系标签的语义特征高斯分布;
在与所述多个视觉关系标签一一对应的多个语义特征高斯分布中,确定与所述视觉特征高斯分布匹配的语义特征高斯分布;
将所述匹配的语义特征高斯分布对应的视觉关系标签所对应的视觉关系,确定为所述多个对象之间的视觉关系。
2.根据权利要求1所述的方法,其特征在于,所述确定待识别图像中包括多个对象的联合包围框,包括:
对所述待识别图像进行目标检测处理,得到所述待识别图像中每个对象的包围框;
将所述待识别图像中任意相邻的多个对象的包围框进行组合处理,得到包括所述多个对象的联合包围框。
3.根据权利要求1所述的方法,其特征在于,所述提取所述联合包围框的视觉特征,包括:
对所述联合包围框进行卷积处理,得到所述联合包围框中图像的卷积特征;
对所述卷积特征进行池化处理,得到所述联合包围框的视觉特征。
4.根据权利要求1所述的方法,其特征在于,
所述多个视觉关系标签与多个全连接层一一对应;
所述将所述视觉特征转化为与多个视觉关系标签一一对应的多个视觉特征高斯分布,包括:
针对每个所述视觉关系标签执行以下处理:通过与所述视觉关系标签对应的全连接层对所述视觉特征进行全连接处理,得到与所述视觉关系标签对应的视觉特征的均值、以及视觉特征的对角协方差矩阵;
基于与每个所述视觉关系标签对应的视觉特征的均值、以及视觉特征的对角协方差矩阵,构建与每个所述视觉关系标签对应的视觉特征高斯分布。
5.根据权利要求1所述的方法,其特征在于,所述提取每个所述视觉关系标签的语义特征,包括:
通过语义预测网络的输入层将每个所述视觉关系标签编码为独热向量;
将所述语义预测网络的隐层的权重矩阵与每个所述视觉关系标签对应的独热向量相乘,得到每个所述视觉关系标签的语义特征。
6.根据权利要求1所述的方法,其特征在于,所述将所述语义特征转化为对应所述视觉关系标签的语义特征高斯分布,包括:
对所述视觉关系标签的语义特征进行全连接处理,得到所述语义特征的均值、以及所述语义特征的对角协方差矩阵;
基于所述均值以及所述对角协方差矩阵,构建对应所述视觉关系标签的语义特征高斯分布。
7.根据权利要求1所述的方法,其特征在于,所述确定与所述视觉特征高斯分布匹配的语义特征高斯分布,包括:
针对多个视觉关系标签中的每个视觉关系标签执行以下处理:确定对应所述视觉关系标签的语义特征高斯分布与对应所述视觉关系标签的视觉特征高斯分布之间的匹配度;
将匹配度最高的视觉关系标签对应的语义特征高斯分布,作为与所述视觉特征高斯分布匹配的语义特征高斯分布。
8.根据权利要求7所述的方法,其特征在于,所述确定对应所述视觉关系标签的语义特征高斯分布与对应所述视觉关系标签的视觉特征高斯分布之间的匹配度,包括:
对所述语义特征高斯分布进行多次采样处理,得到由多个采样语义特征组成的采样语义特征集合;
对所述视觉特征高斯分布进行多次采样处理,得到由多个采样视觉特征组成的采样视觉特征集合;
将所述采样语义特征集合与所述采样视觉特征集合之间的匹配度,作为所述语义特征高斯分布与所述视觉特征高斯分布之间的匹配度。
9.根据权利要求8所述的方法,其特征在于,在将所述采样语义特征集合与所述采样视觉特征集合之间的匹配度,作为所述语义特征高斯分布与所述视觉特征高斯分布之间的匹配度之前,所述方法还包括:
将所述采样语义特征集合中任意一个采样语义特征与所述采样视觉特征集合中任意一个采样视觉特征进行组合处理,得到多个采样样本对;
确定每个所述采样样本对中采样...
【专利技术属性】
技术研发人员:杨耿聪,张勇,吴保元,樊艳波,李志锋,杨余久,刘威,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。