信息推送方法、终端设备技术

本公开实施例公开了信息推送方法、终端设备。该方法的一具体实施方式包括：获取目标图片；将目标图片输入预先确定的模型，以得到目标特征和目标分类结果；将目标特征推送至具有显示功能的目标设备，以及控制目标设备显示目标特征。该实施方式利用预先确定的模型自动提取目标图片的目标特征，能够获取有效的图像信息，辅助后续目标设备中的图像应用任务，提高目标图片应用效果。目标图片应用效果。目标图片应用效果。

【技术实现步骤摘要】
信息推送方法、终端设备


[0001]本公开实施例涉及计算机
，具体涉及信息推送方法、终端设备。

技术介绍

[0002]检索模型是一种将图像映射为特征的模型，通过检索模型处理后同类别的图像特征之间的相似度会尽可能大，同时，不同类别的图像特征之间的相似度会尽可能小。检索模型在实际中有很多用处，比如以图搜图、地标识别等。一般而言，数据越多，且数据标注的质量越高，那么利用这些数据训练得到的检索模型的表现就越好。数据的获取通常较为容易，但是，高质量的数据标注则是一件费时费力的任务。
[0003]然而，在实际应用中利用检索模型处理图像时，经常会存在如下技术问题：
[0004]第一，高质量的标注数据获取难度较大且数据量有限，利用有限数据训练得到的检索模型处理图片，所获得的图片特征质量较差，无法满足后续图片应用的需求。
[0005]第二，现有技术需要人工预先标注全部或部分数据，无法在无标注数据的场景下训练检索模型，也无法完成图片处理的任务。

技术实现思路

[0006]本公开的内容部分用于以简要的形式介绍构思，这些构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息推送方法，包括：获取目标图片；将所述目标图片输入预先确定的模型，以得到目标特征和目标分类结果；将所述目标特征推送至具有显示功能的目标设备，以及控制所述目标设备显示所述目标特征。2.根据权利要求1所述的方法，其中，所述预先确定的模型是通过如下步骤得到的：获取样本集，其中，所述样本集中的样本包括样本图片和对应于所述样本图片的样本特征和样本分类结果；确定初始模型的结构以及初始化所述初始模型的参数；从所述样本集中选取样本，以及执行以下训练步骤：将选取的样本的样本图片输入至初始模型，得到所述选取的样本的特征和分类结果；将所述选取的样本的特征和分类结果与对应的样本特征和样本分类结果进行比较；根据比较结果确定所述初始模型是否达到预设的优化目标；响应于确定所述初始模型达到所述优化目标，将所述初始模型确定为预先确定的模型。3.根据权利要求2所述的方法，其中，所述方法还包括：响应于确定初始模型未训练完成，调整初始模型中的相关参数，以及从所述样本集中重新选取样本，使用调整后的初始模型作为初始模型，再次执行所述训练步骤。4.根据权利要求3所述的方法，其中，所述初始模型包括第一数目个预先训练的神经网络，所述预先训练的神经网络为残差网络，所述残差网络由第二数目个残差模块组成，残差模块利用下式生成输出：y＝F(x,{W
i
})+x，其中，x为所述残差模块的输入，y为所述残差模块的输出，F()为残差函数，W为权重矩阵，i为残差模块中的层计数，表示第i层的权重矩阵，表示残差模块中全部层的权重矩阵的集合。5.根据权利要求4所述的方法，其中，所述将选取的样本的样本图片输入至初始模型，得到所述选取的样本的特征和分类结果，包括：对于所述样本集中的每个样本，将该样本的样本图片输入所述初始模型，生成初始样本特征，以得到初始样本特征集合；对于所述样本集中的每个样本，基于所述初始样本特征集合，生成该样本的样本图片的相似图片集合和相似度指标集合，以得到相似图片集合的集合和相似度指标集合的集合；基于所述样本集、所述相似图片集合的集合和所述相似度指标集合的集合，生成初始伪标签集合，其中，所述初始伪标签集合中的初始伪标签为所述样本集中样本图片的类别标签，所述初始伪标签的值表征正值；基于所述样本集、所述相似图片集合的集合、所述相似度指标集合和所述初始伪标签集合，更新所述初始模型；将选取的样本的样本图片输入至所述初始模型，以得到所述选取的样本的特征和分类结果。
6.根据权利要求5所述的方法，其中，所述基于所述样本集、所述相似图片集合的集合、所述相似度指标集合和所述初始伪标签集合，更新所述初始模型，包括：从所述...

【专利技术属性】
技术研发人员：邓泽露，徐克勤，刘鹏飞，
申请(专利权)人：多点深圳数字科技有限公司，
类型：发明
国别省市：