【技术实现步骤摘要】
一种信息处理方法、装置及计算机可读存储介质
[0001]本申请涉及通信
，具体涉及一种信息处理方法、装置及计算机可读存储介质。
技术介绍
[0002]随着计算机视觉技术的发展，图像处理技术可以应用在更广阔的范围。例如，用户需要查找图像中的某个物品时，可以拍摄并上传包含该物品的图像，后台可以对该图像进行分类，以确定该物品所属类目，然后展示该类目下的相似物品。
[0003]现有技术中，常见的图像分类方式是采用机器学习的方式对输入图像进行特征提取，然后通过分类器获取预测结果，确定输入图像对应的对象类型，也即学习到识别出输入图像包括的对象所述的对象类型的能力。
[0004]在对现有技术的研究和实践过程中，本申请的专利技术人发现，现有技术中，由于用户拍摄质量的不稳定性，往往会导致预测结果的准确性较低。
技术实现思路
[0005]本申请实施例提供一种信息处理方法、装置及计算机可读存储介质，可以信息处理的准确率。
[0006]为解决上述技术问题，本申请实施例提供以下技术方案：
[000...
【技术保护点】
【技术特征摘要】
1.一种信息处理方法，其特征在于，包括：将训练图像、携带的对象标签以及概括标签分别输入第一神经网络模型和第二神经网络模型中进行训练，所述概括标签用于标定图像特征相似度大于预设阈值的训练图像；获取所述第一神经网络模型和第二神经网络模型的预测信息之间的相对熵；根据所述相对熵对所述第一神经网络模型和第二神经网络模型的网络参数进行调节，得到训练后的第一神经网络模型和第二神经网络模型；接收待识别图像，通过训练后的第一神经网络模型提取所述待识别图像的特征信息进行图像匹配。2.根据权利要求1所述的信息处理方法，其特征在于，所述信息处理方法，还包括：获取训练图像，所述训练图像携带对象标签；确定每一对象标签类别对应的预设图像；对不同的对象标签类别之间对应的预设图像进行聚类处理，将图像特征相似度大于预设阈值的预设图像进行聚类；生成聚类后的预设图像的概括标签。3.根据权利要求2所述的信息处理方法，其特征在于，所述对不同的对象标签类别之间对应的预设图像进行聚类处理，将图像特征相似度大于预设阈值的预设图像进行聚类的步骤，包括：提取每一对象标签类别对应的预设图像的图像特征；通过K-means聚类算法对每一对象标签类别对应的预设图像的图像特征进行聚类处理；将图像特征相似度大于预设阈值的预设图像进行聚类。4.根据权利要求1所述的信息处理方法，其特征在于，所述将训练图像、携带的对象标签以及概括标签分别输入第一神经网络模型和第二神经网络模型中进行训练的步骤，包括：对所述训练图像进行饱和度、对比度、亮度和/或旋转调节处理；将调节处理后的训练图像、携带的对象标签以及概括标签分别输入第一神经网络模型和第二神经网络模型中进行训练。5.根据权利要求1至4任一项所述的信息处理方法，其特征在于，所述获取所述第一神经网络模型和第二神经网络模型的预测信息之间的相对熵的步骤，包括：通过相对熵计算公式计算所述第一神经网络模型和第二神经网络模型的预测信息之间的相对熵，并构建所述相对熵对应的KL散度损失函数。6.根据权利要求5所述的信息处理方法，其特征在于，所述根据所述相对熵对所述第一神经网络模型和第二神经网络模型的网络参数进行调节，得到训练后的第一神经网络模型和第二神经网络模型的步骤，包括：将所述KL散度损失函数结合第一神经网络模型的初始损失函数进行联合训练，得到训练后的第一神经网络模型；将所述KL散度损失函数结合第二神经网络模型的初始损失函数进行联合训练，得到训练后的第二神经网络模型。7.根据权利要求1至4任一项所述的信息处理方法，其特征在于，所述接收待识别图像，
通过训练后的第一神经网络模型提取所述待识别图像的特征信息进行图像匹配的步骤，包括：接收预测图像，通过目标检测网络识别出所述预测图像中的待识别物体；截取所述待识别物体，生成待识别图像；将所述待识别图像输入训练后的第一神经网络模型，提取全局池化之后的特征信息进行图像匹配。8.根据权利要求7所述的信息处理方法，其特征在于，所述提取全局池化之后的特征信息进行图像匹配的步骤，包括：提取全局池化之后的预设维度的特征信息；确定所述特征信息...
【专利技术属性】
技术研发人员：许靳昌，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
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。