对象识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种对象识别方法、装置、计算机设备和存储介质。该方法包括：将训练样本输入到对象识别模型中的共享特征提取网络中进行特征提取，得到样本提取特征，将目标样本类型为推送样本类型的样本提取特征输入到对象识别模型中的推送对象识别网络中，得到推送对象内容转化度；将目标样本类型为参考样本类型的样本提取特征输入到对象识别模型中的参考对象识别网络中，得到参考对象内容转化度；基于推送对象内容转化度得到推送识别损失值，基于参考对象内容度得到参考识别损失值；基于推送识别损失值以及参考识别损失值对共享特征提取网络进行参数调整，得到已训练的对象识别模型。采用本方法能够提高对象识别的准确度。模型。采用本方法能够提高对象识别的准确度。模型。采用本方法能够提高对象识别的准确度。

【技术实现步骤摘要】
对象识别方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机
，特别是涉及一种对象识别方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着计算机技术和互联网技术的发展，越来越多的通过互联网向用户推送内容，例如向用户推送广告或者向用户发放优惠券。
[0003]在很多情况下，往往需要进行对象识别，以识别得到进行内容推送的对象。例如，由于不同的用户群体，对同样的推送内容可能产生不同的反应，因此需要识别出与该推送内容匹配的用户，从而向这部分用户进行内容推送，以提高内容推送的效率，然而，传统的对象识别方法存在对象识别准确度低的情况。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高对象识别准确度的对象识别方法、装置、计算机设备和存储介质。
[0005]一种对象识别方法，所述方法包括：获取待训练的对象识别模型对应的训练样本集合，所述训练样本集合包括内容推送对象对应的训练样本以及参考对象对应的训练样本；将所述训练样本集合中的训练样本分别输入到所述对象识别模型中的共享特征提取网络中进行特征提取，得到所述训练样本对应的样本提取特征；确定所述样本提取特征对应的目标样本类型；将目标样本类型为推送样本类型的样本提取特征输入到所述对象识别模型中的推送对象识别网络中进行识别，识别得到所述内容推送对象对应的推送对象内容转化度；将目标样本类型为参考样本类型的样本提取特征输入到所述对象识别模型中的参考对象识别网络中进行识别，识别得到所述参考对象对应的参考对象内容转化度；基于所述内容推送对象对应的推送对象内容转化度得到推送识别损失值，基于所述参考对象对应的参考对象内容转化度得到参考识别损失值；基于所述推送识别损失值以及所述参考识别损失值对所述共享特征提取网络进行参数调整，基于调整后的共享特征提取网络得到已训练的对象识别模型。
[0006]一种对象识别装置，所述装置包括：训练样本集合获取模块，用于获取待训练的对象识别模型对应的训练样本集合，所述训练样本集合包括内容推送对象对应的训练样本以及参考对象对应的训练样本；样本提取特征得到模块，用于将所述训练样本集合中的训练样本分别输入到所述对象识别模型中的共享特征提取网络中进行特征提取，得到所述训练样本对应的样本提取特征；目标样本类型确定模块，用于确定所述样本提取特征对应的目标样本类型；推送对象内容转化度得到模块，用于将目标样本类型为推送样本类型的样本提取特征输入到所述对象识别模型中的推送对象识别网络中进行识别，识别得到所述内容推送对象对应的推送对象内容转化度；参考对象内容转化度得到模块，用于将目标样本类型为参考样本类型的样本提取特征输入到所述对象识别模型中的参考对象识别网络中进
行识别，识别得到所述参考对象对应的参考对象内容转化度；识别损失值得到模块，用于基于所述内容推送对象对应的推送对象内容转化度得到推送识别损失值，基于所述参考对象对应的参考对象内容转化度得到参考识别损失值；已训练的对象识别模型得到模块，用于基于所述推送识别损失值以及所述参考识别损失值对所述共享特征提取网络进行参数调整，基于调整后的共享特征提取网络得到已训练的对象识别模型。
[0007]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述对象识别方法的步骤。
[0008]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述对象识别方法的步骤。
[0009]上述对象识别方法、装置、计算机设备和存储介质，由于内容推送对象的训练样本对应的样本提取特征是共享特征提取网络提取得到的，并且参考对象的训练样本对应的样本提取特征也是共享特征提取网络提取得到的，因此内容推送对象的训练样本与参考对象的训练样本共用一个共享特征提取网络，从而使得样本数量不均衡的情况下，能够采用内容推送对象的训练样本与参考对象的训练样本这两种不同的样本共同对特征提取网络进行训练，使得共享特征提取网络学习到区分这两种样本的能力，提高了模型训练的效果，从而提高了训练得到的对象识别模型的准确度，提高了对象识别的准确度。
[0010]一种对象识别方法，所述方法包括：获取目标推送内容对应的候选对象集合；所述候选对象集合中包括多个候选对象；将所述候选对象的对象样本输入到已训练的对象识别模型的共享特征提取网络中进行特征提取，得到所述候选对象对应的对象提取特征；将所述对象提取特征输入到所述对象识别模型中的推送对象识别网络中进行识别，基于识别得到的转化可能度得到所述候选对象对应的第一内容转化可能度；将所述对象提取特征输入到所述对象识别模型中的参考对象识别网络中进行识别，基于识别得到的转化可能度得到所述候选对象对应的第二内容转化可能度；获取所述候选对象对应的第一内容转化可能度与所述第二内容转化可能度之间的可能度差异；基于所述候选对象对应的可能度差异从所述候选对象集合中筛选得到满足差异条件的候选对象，作为所述目标推送内容对应的推送对象；所述差异条件包括能度差异的排序在预设排序之前或者可能度差异大于差异阈值中的至少一种。
[0011]一种对象识别装置，所述装置包括：候选对象集合获取模块，用于获取目标推送内容对应的候选对象集合；所述候选对象集合中包括多个候选对象；对象提取特征得到模块，用于将所述候选对象的对象样本输入到已训练的对象识别模型的共享特征提取网络中进行特征提取，得到所述候选对象对应的对象提取特征；第一内容转化可能度得到模块，用于将所述对象提取特征输入到所述对象识别模型中的推送对象识别网络中进行识别，基于识别得到的转化可能度得到所述候选对象对应的第一内容转化可能度；第二内容转化可能度得到模块，用于将所述对象提取特征输入到所述对象识别模型中的参考对象识别网络中进行识别，基于识别得到的转化可能度得到所述候选对象对应的第二内容转化可能度；可能度差异得到模块，用于获取所述候选对象对应的第一内容转化可能度与所述第二内容转化可能度之间的可能度差异；推送对象确定模块，用于基于所述候选对象对应的可能度差异从所述候选对象集合中筛选得到满足差异条件的候选对象，作为所述目标推送内容对应的推送对象；所述差异条件包括能度差异的排序在预设排序之前或者可能度差异大于差异阈
值中的至少一种。
[0012]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述对象识别方法的步骤。
[0013]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述对象识别方法的步骤。
[0014]在一些实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。
[0015]上述对象识别方法、装置、计算机设备和存储介质，获取目标推送内容对应的候选对象集合，候选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对象识别方法，其特征在于，所述方法包括：获取待训练的对象识别模型对应的训练样本集合，所述训练样本集合包括内容推送对象对应的训练样本以及参考对象对应的训练样本；将所述训练样本集合中的训练样本分别输入到所述对象识别模型中的共享特征提取网络中进行特征提取，得到所述训练样本对应的样本提取特征；确定所述样本提取特征对应的目标样本类型；将目标样本类型为推送样本类型的样本提取特征输入到所述对象识别模型中的推送对象识别网络中进行识别，识别得到所述内容推送对象对应的推送对象内容转化度；将目标样本类型为参考样本类型的样本提取特征输入到所述对象识别模型中的参考对象识别网络中进行识别，识别得到所述参考对象对应的参考对象内容转化度；基于所述内容推送对象对应的推送对象内容转化度得到推送识别损失值，基于所述参考对象对应的参考对象内容转化度得到参考识别损失值；基于所述推送识别损失值以及所述参考识别损失值对所述共享特征提取网络进行参数调整，基于调整后的共享特征提取网络得到已训练的对象识别模型。2.根据权利要求1所述的方法，其特征在于，所述确定所述样本提取特征对应的目标样本类型包括：获取所述样本提取特征对应的训练样本的样本标记值；基于所述样本标记值确定所述样本提取特征对应的目标样本类型。3.根据权利要求2所述的方法，其特征在于，所述推送对象内容转化度用于表示所述内容推送对象针对推送内容的转化可能度，所述基于所述内容推送对象对应的推送对象内容转化度得到推送识别损失值包括：将所述样本标记值与所述推送对象内容转化度进行乘积计算，得到所述内容推送对象对应的对象识别损失值；对多个内容推送对象的对象识别损失值进行统计，得到推送识别损失值。4.根据权利要求1所述的方法，其特征在于，所述基于所述推送识别损失值以及所述参考识别损失值对所述共享特征提取网络进行参数调整，基于调整后的共享特征提取网络得到已训练的对象识别模型包括：基于所述推送识别损失值对所述共享特征提取网络进行参数调整，得到推送识别损失值调整后的共享特征提取网络；基于所述参考识别损失值对所述推送识别损失值调整后的共享特征提取网络进行参数调整，得到参考识别损失值以及推送识别损失值调整后的共享特征提取网络；基于参考识别损失值以及推送识别损失值调整后的共享特征提取网络，得到已训练的对象识别模型。5.根据权利要求4所述的方法，其特征在于，所述基于所述推送识别损失值对所述共享特征提取网络进行参数调整，得到推送识别损失值调整后的共享特征提取网络包括：基于所述推送识别损失值确定所述推送对象识别网络对应的推送参数调整相关值；基于所述推送参数调整相关值对所述推送对象识别网络进行参数调整，得到参数调整后的推送对象识别网络；基于所述推送识别损失值以及第一损失值调整方向，确定所述共享特征提取网络对应
的第一特征参数调整相关值；基于所述第一特征参数调整相关值对所述共享特征提取网络进行参数调整，得到推送识别损失值调整后的共享特征提取网络。6.根据权利要求4所述的方法，其特征在于，所述基于所述参考识别损失值对所述推送识别损失值调整后的共享特征提取网络进行参数调整，得到参考识别损失值以及推送识别损失值调整后的共享特征提取网络包括：基于所述参考识别损失值确定所述参考对象识别网络对应的参考参数调整相关值；基于所述参考参数调整相关值对所述参考对象识别网络进行参数调整，得到参数调整后的参考对象识别网络；基于所述参考识别损失值以及第二损失值调整方向，确定所述推送识别损失值调整后的共享特征提取网络对应的第二特征参数调整相关值；基于所述第二特征参数调整相关值对所述推送识别损失值调整后的共享特征提取网络进行参数调整，得到参考识别损失值以及推送识别损失值调整后的共享特征提取网络。7.根据权利要求1所述的方法，其特征在于，所述推送对象识别网络包括转化可能度识别网络以及可能度衰减因子识别网络；所述将目标样本类型为推送样本类型的样本提取特征输入到所述对象识别模型中的推送对象识别网络中进行识别，识别得到所述内容推送对象对应的推送对象内容转化度包括：将目标样本类型为推送样本类型的样本提取特征，输入到所述推送对象识别网络中的转化可能度识别网络中进行转化可能度识别，得到总转化可能度；将目标样本类型为推送样本类型的样本提取特征，输入到所述推送对象识别网络中的可能度衰减因子识别网络中进行衰减因子识别，得到可能度衰减因子；基于所述总转化可能度以及所述可能度衰减因子确定所述内容推送对象的推送对象内容转化度。8.根据权利要求7所述的方法，其特征在于，所述基于所述总转化可能度以及所述可能度衰减因子确定所述内容推送对象的推送对象内容转化度包括：获取可能度衰减时长；基于所述可能度衰减时长以及所述可能度衰减因子，确定所述内容推送对象的子转化可能度；所述子转化可能度用于反映与内容推送时间之间的时间间隔为所述可能度衰减时长的时间所对应的对象发生转化的可能度；基于所述子转化可能度以及所述总转化可能度，确定所述内容推送对象的推送对象内容转化度。9.根据权利要求1所述的方法，其特征在于，所述获取待训练的对象识别模型对应的训练样本集合包括：获取训练推送内容；对训练对象集合进行划分，得到内容推送对象集合以及参考对象集合；将所述训练推送内容推送至所述内容推送对象集合中的各个内容推送对象，获取所述训练推送内容的内容推送时间，其中，所述参考对象集合中的参考对象屏蔽自动推送所述训练...

【专利技术属性】
技术研发人员：乔阳，陈亮，
申请(专利权)人：财付通支付科技有限公司，
类型：发明
国别省市：