[发明专利]用于生成模型、用于输出信息的方法和装置

说明书

本公开的实施例公开了用于生成模型、用于输出信息的方法和装置。该用于生成模型的方法的一具体实施方式包括：获取训练样本集；利用机器学习算法，将训练样本集包括的训练样本中的样本图像作为初始模型的输入数据，将与输入的样本图像对应的样本判别信息作为初始模型的第一期望输出数据，将与输入的样本图像对应的样本属性信息作为初始模型的第二期望输出数据，训练得到识别模型。从而丰富了模型的训练方式，将本公开的实施例得到的识别模型用于判断任意图像中是否包含目标物体及确定图像中目标物体的属性信息，可以提高识别速度。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于生成模型、用于输出信息的方法和装置。

背景技术

现有技术中，确定任意图像中特定物体的属性(例如属于预定类别的概率、形状等等)的方法通常为：首先确定图像中是否包括上述特定物体；如果包括该特定物体，则进一步确定上述图像所包括的特定物体的属性。

作为示例，在确定图像中的人脸为男性的人脸还是女性的人脸这一应用场景中，首先，需要确定图像中是否包含人脸对象，如果包含，再对其进行判断分类；如果不包含，则不进行分类判断。或者，即使进行分类判断后得到了分类结果(例如表征图像中的人脸为男性的人脸或者女性的人脸的分类结果)，由于图像中本不包含人脸对象，该分类结果也不具有参考意义。

发明内容

本公开提出了用于生成模型、用于输出信息的方法和装置。

第一方面，本公开的实施例提供了一种用于生成模型的方法，该方法包括：获取训练样本集，其中，训练样本集包括正样本集和负样本集，训练样本集中的训练样本包括样本图像、用于指示样本图像是否包含目标物体对象的样本判别信息和用于指示样本图像包含的目标物体对象的属性的样本属性信息；利用机器学习算法，将训练样本集包括的训练样本中的样本图像作为初始模型的输入数据，将与输入的样本图像对应的样本判别信息作为初始模型的第一期望输出数据，将与输入的样本图像对应的样本属性信息作为初始模型的第二期望输出数据，训练得到识别模型。

在一些实施例中，属性信息用于指示以下任一项：图像包含的目标物体对象在预先确定的类别集合中的类别，或者，图像包含的目标物体对象在预先确定的连续的数值范围中对应的取值。

在一些实施例中，正样本集所包括的正样本的数量与负样本集所包括的负样本的数量相等。

在一些实施例中，初始模型包括第一子模型、第二子模型和第三子模型，第一子模型的实际输出数据为第二子模型和第三子模型的实际输入数据，第二子模型的期望输出数据为第一期望输出数据，第三子模型的期望输出数据为第二期望输出数据；以及将训练样本集包括的训练样本中的样本图像作为初始模型的输入数据，将与输入的样本图像对应的样本判别信息作为初始模型的第一期望输出数据，将与输入的样本图像对应的样本属性信息作为初始模型的第二期望输出数据，训练得到识别模型，包括：将训练样本集包括的训练样本中的样本图像作为第一子模型的输入数据，得到第一子模型的实际输出数据，将第一子模型的实际输出数据分别作为第二子模型和第三子模型的输入数据，将与输入的样本图像对应的样本判别信息作为第二子模型的期望输出数据，将与输入的样本图像对应的样本属性信息作为第三子模型的期望输出数据，训练得到识别模型。

在一些实施例中，第二子模型和第三子模型的模型参数包括实际输入数据，第二子模型和第三子模型除实际输入数据之外，不包含其他相同的模型参数。

第二方面，本公开的实施例提供了一种用于输出信息的方法，该方法包括：获取目标图像；将目标图像输入至预先训练的识别模型，得到判别信息和属性信息，其中，判别信息用于指示目标图像是否包含目标物体对象，属性信息用于指示目标图像包含的目标物体对象的属性，其中，识别模型是通过如上述用于生成模型的方法中任一实施例的方法训练得到的；输出判别信息和属性信息。