标签识别模型的训练、识别图像标签的方法及装置制造方法及图纸

本发明专利技术公开了标签识别模型的训练、识别图像标签的方法及装置，该方法包括：确定样本图像集合，样本图像集合包含预设尺寸范围的至少一个样本图像，根据样本图像集合，对预先确定出的标签识别模型进行训练，得到目标标签识别模型，目标标签识别模型用于识别待识别图像的图像标签。可见，实施本发明专利技术能够通过存在风格标签和元素标签的多种尺寸的样本图像训练标签识别模型，进而得到识别多种尺寸图像的图像标签的标签识别模型，减少在识别图像标签时仅考虑图像中主要特征对应的图像标签而忽略与除主要特征以外的其他特征对应的图像标签的情况，提高图像标签识别的准确性和效率，提升宣传的质量。宣传的质量。宣传的质量。

【技术实现步骤摘要】
标签识别模型的训练、识别图像标签的方法及装置


[0001]本专利技术涉及模型训练
，尤其涉及标签识别模型的训练、识别图像标签的方法及装置。

技术介绍

[0002]随着游戏行业的不断发展，目前市面上出现了多种类型的游戏，为了吸引更多用户关注，大多数游戏公司会通过游戏广告宣传图或游戏视频对游戏进行宣传，还会通过从游戏广告宣传图或游戏视频中提取该游戏的游戏标签，以便于向对特定游戏标签感兴趣的玩家进行宣传。
[0003]目前，可预先对各种标签的游戏进行分类，以根据预先分类的游戏标签中识别游戏广告宣传图或游戏视频中与预先分类的游戏标签匹配的游戏标签，而该方法在识别游戏标签时容易忽略游戏广告宣传图或游戏视频中的除主要特征以外的其他特征，导致在识别游戏标签时仅识别图像中主要特征在预先分类的游戏标签中对应的游戏标签，而没有考虑与其他特征对应的游戏标签，降低游戏标签识别的准确性，降低游戏宣传的质量。

技术实现思路

[0004]本专利技术所要解决的技术问题在于，提供标签识别模型的训练、识别图像标签的方法及装置，能够得到识别多种尺寸图像的图像标签的标签识别模型，减少在识别图像标签时仅考虑图像中主要特征对应的图像标签而忽略与除主要特征以外的其他特征对应的图像标签的情况，提高图像标签识别的准确性和效率，提升宣传的质量。
[0005]为了解决上述技术问题，本专利技术第一方面公开了一种标签识别模型的训练方法，所述方法包括：
[0006]确定样本图像集合，所述样本图像集合包含预设尺寸范围的至少一个样本图像，且所述样本图像集合中所有所述样本图像对应的图像标签包括至少一个风格标签和/或至少一个元素标签；
[0007]根据所述样本图像集合，对预先确定出的标签识别模型进行训练，得到目标标签识别模型，所述目标标签识别模型用于识别待识别图像的图像标签。
[0008]作为一种可选的实施方式，在本专利技术第一方面中，所述根据所述样本图像集合，对预先确定出的标签识别模型进行训练，得到目标标签识别模型，包括：
[0009]按照预先设定的图像处理策略，确定所述样本图像集合中所有所述样本图像对应的样本调整参数，所述样本调整参数包括至少两个参数值；
[0010]根据所有所述参数值及所有所述参数值的数量，划分所述样本图像集合中所有所述样本图像，得到与所有所述参数值的数量相同的子样本图像集合，每个所述子样本图像集合包含至少一个所述样本图像，所有所述子样本图像集合中每个所述子样本图像集合中包含的样本图像均不相同；
[0011]从所有所述子样本图像集合中选择其中一个所述子样本图像集合作为起始子样
本图像集合，以及确定预先确定出的标签识别模型作为起始标签识别模型，并基于所述起始子样本图像集合对所述起始标签识别模型进行训练，得到训练后的标签识别模型；
[0012]将训练后的所述标签识别模型更新为所述初始标签识别模型，以及从剩余所述子样本图像集合中选择其中一个所述子样本图像集合作为所述初始子样本图像集合，并重新执行所述基于所述起始子样本图像集合对所述起始标签识别模型进行训练，得到训练后的标签识别模型的操作；
[0013]确定最后一个所述子样本图像集合对应的标签识别模型为目标标签识别模型。
[0014]作为一种可选的实施方式，在本专利技术第一方面中，所述样本调整参数包括尺寸调整参数，所述尺寸调整参数包括的所有所述参数值用于调整所述样本图像集合中样本图像的图像尺寸；
[0015]所述根据所有所述参数值及所有所述参数值的数量，划分所述样本图像集合中所有所述样本图像，得到与所有所述参数值的数量相同的子样本图像集合，包括：
[0016]将所述样本图像集合中所有所述样本图像划分为与所有所述参数值的数量相同的子样本图像集合，并根据每个所述子样本图像集合对应的参数值调整该子样本图像集合的所有所述样本图像的图像尺寸；或者，
[0017]根据所有所述参数值调整所述样本图像集合中所有所述样本图像的图像尺寸，得到调整后的所述样本图像集合；
[0018]将调整后的所述样本图像集合中所有所述样本图像中图像尺寸相同的所述样本图像划分到同一个子样本图像集合。
[0019]作为一种可选的实施方式，在本专利技术第一方面中，从所有所述子样本图像集合中选择的其中一个所述子样本图像集合为所有所述子样本图像集合中图像尺寸最大的子样本图像集合；
[0020]以及，在训练所述标签识别模型的过程中，后一次选择的所述子样本图像集合对应的图像尺寸小于前一次选择的所述子样本图像集合对应的图像尺寸。
[0021]作为一种可选的实施方式，在本专利技术第一方面中，所述确定最后一个所述子样本图像集合对应的标签识别模型为目标标签识别模型，包括：
[0022]通过最后一个所述子样本图像集合对应的标签识别模型，识别其他样本图像集合中所有其他样本图像对应的图像标签，并通过预置的损失函数计算每个所述其他样本图像对应的图像标签的偏差值；
[0023]根据所述其他样本图像集合中所有所述其他样本图像对应的图像标签的偏差值，确定最后一个所述子样本图像集合对应的标签识别模型的损失值；
[0024]在所述最后一个所述子样本图像集合对应的标签识别模型的损失值处于预设损失范围时，确定最后一个所述子样本图像集合对应的标签识别模型为目标标签识别模型；
[0025]在所述最后一个所述子样本图像集合对应的标签识别模型的损失值未处于预设损失范围时，优化所述标签识别模型的模型参数，得到优化后的标签识别模型，并将所述优化后的标签识别模型更新为预先构建的所述标签识别模型，以重新执行所述基于所述起始子样本图像集合对所述起始标签识别模型进行训练，得到最后一个所述子样本图像集合对应的标签识别模型的操作，直至训练后的所述标签识别模型的损失值处于预设损失范围时，确定训练后的所述标签识别模型为目标标签识别模型。
[0026]作为一种可选的实施方式，在本专利技术第一方面中，所述确定样本图像集合，包括：
[0027]获取样本素材图像，所述样本素材图像存在有至少一个元素标签；
[0028]获取第一样本图像，并根据所述样本素材图像和所述第一样本图像，生成第二样本图像，所述第二样本图像对应的图像标签为所述样本素材图像的元素标签；
[0029]根据预先确定出的风格标签及预先构建的风格迁移模型，对所述第二样本图像进行风格迁移，得到第三样本图像，所述第三样本图像的风格标签与所述第二样本图像的风格标签不相同；
[0030]根据所述第二样本图像以及所述第三样本图像，生成样本图像集合。
[0031]本专利技术第二方面公开了一种识别图像标签的方法，所述方法包括：
[0032]获取目标对象的至少一个待识别图像；
[0033]将每个所述待识别图像输入至目标标签识别模型，得到每个所述待识别图像对应的图像标签；
[0034]合并每个所述待识别图像对应的图像标签，生成针对所述目标对象的目标图像标签。
[0035]作为一种可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种标签识别模型的训练方法，其特征在于，所述方法包括：确定样本图像集合，所述样本图像集合包含预设尺寸范围的至少一个样本图像，且所述样本图像集合中所有所述样本图像对应的图像标签包括至少一个风格标签和/或至少一个元素标签；根据所述样本图像集合，对预先确定出的标签识别模型进行训练，得到目标标签识别模型，所述目标标签识别模型用于识别待识别图像的图像标签。2.根据权利要求1所述的标签识别模型的训练方法，其特征在于，所述根据所述样本图像集合，对预先确定出的标签识别模型进行训练，得到目标标签识别模型，包括：按照预先设定的图像处理策略，确定所述样本图像集合中所有所述样本图像对应的样本调整参数，所述样本调整参数包括至少两个参数值；根据所有所述参数值及所有所述参数值的数量，划分所述样本图像集合中所有所述样本图像，得到与所有所述参数值的数量相同的子样本图像集合，每个所述子样本图像集合包含至少一个所述样本图像，所有所述子样本图像集合中每个所述子样本图像集合中包含的样本图像均不相同；从所有所述子样本图像集合中选择其中一个所述子样本图像集合作为起始子样本图像集合，以及确定预先确定出的标签识别模型作为起始标签识别模型，并基于所述起始子样本图像集合对所述起始标签识别模型进行训练，得到训练后的标签识别模型；将训练后的所述标签识别模型更新为所述初始标签识别模型，以及从剩余所述子样本图像集合中选择其中一个所述子样本图像集合作为所述初始子样本图像集合，并重新执行所述基于所述起始子样本图像集合对所述起始标签识别模型进行训练，得到训练后的标签识别模型的操作；确定最后一个所述子样本图像集合对应的标签识别模型为目标标签识别模型。3.根据权利要求2所述的标签识别模型的训练方法，其特征在于，所述样本调整参数包括尺寸调整参数，所述尺寸调整参数包括的所有所述参数值用于调整所述样本图像集合中样本图像的图像尺寸；所述根据所有所述参数值及所有所述参数值的数量，划分所述样本图像集合中所有所述样本图像，得到与所有所述参数值的数量相同的子样本图像集合，包括：将所述样本图像集合中所有所述样本图像划分为与所有所述参数值的数量相同的子样本图像集合，并根据每个所述子样本图像集合对应的参数值调整该子样本图像集合的所有所述样本图像的图像尺寸；或者，根据所有所述参数值调整所述样本图像集合中所有所述样本图像的图像尺寸，得到调整后的所述样本图像集合；将调整后的所述样本图像集合中所有所述样本图像中图像尺寸相同的所述样本图像划分到同一个子样本图像集合。4.根据权利要求3所述的标签识别模型的训练方法，其特征在于，从所有所述子样本图像集合中选择的其中一个所述子样本图像集合为所有所述子样本图像集合中图像尺寸最大的子样本图像集合；以及，在训练所述标签识别模型的过程中，后一次选择的所述子样本图像集合对应的图像尺寸小于前一次选择的所述子样本图像集合对应的图像尺寸。
5.根据权利要求2至4任一项所述的标签识别模型的训练方法，其特征在于，所述确定最后一个所述子样本图像集合对应的标签识别模型为目标标签识别模型，包括：通过最后一个所述子样本图像集合对应的标签识别模型，识别其他样本图像集合中所有其他样本图像对应的图像标签，并通过预置的损失函数计算每个所述其他样本图像对应的图像...

【专利技术属性】
技术研发人员：陈畅新，钟艺豪，
申请(专利权)人：有米科技股份有限公司，
类型：发明
国别省市：