[发明专利]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输出信息的方法和装置。该方法的一具体实施方式包括：获取目标图像；将上述目标图像输入至预先训练的识别模型，得到判别信息和类别信息，其中，上述判别信息用于指示上述目标图像是否包含车辆对象，上述类别信息用于指示上述目标图像所包含的车辆对象在预先确定的类别集合中的类别；输出上述判别信息和上述类别信息。该实施方式实现了对图像中的车辆的识别，提出了一种新的判断任意图像中是否包含车辆及确定图像中车辆的类别的技术方案，丰富了图像识别的方式。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。

背景技术

现有技术中，往往没有基于卷积神经网络模型，来确定图像中是否包括车辆的技术方案。

此外，传统方法中，确定任意图像中特定物体的类别的思路通常为：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所属的类别。

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输出信息的方法，该方法包括：获取目标图像；将上述目标图像输入至预先训练的识别模型，得到判别信息和类别信息，其中，上述判别信息用于指示上述目标图像是否包含车辆对象，上述类别信息用于指示上述目标图像所包含的车辆对象在预先确定的类别集合中的类别；输出上述判别信息和上述类别信息。

在一些实施例中，上述将上述目标图像输入至预先训练的识别模型，得到判别信息和类别信息，包括：将上述目标图像输入至预先训练的识别模型包括的特征提取层，得到上述目标图像的特征数据；基于上述特征数据，分别确定判别信息和类别信息。

在一些实施例中，上述特征数据为通过向量形式表征的特征向量，上述类别集合中的类别与上述特征向量所包括的元素相对应；以及上述基于上述特征数据，分别确定判别信息和类别信息，包括：计算上述特征向量的1范数，得到计算结果；基于上述计算结果与目标阈值之间的大小关系，确定判别信息；对上述特征向量进行归一化指数运算，得到与上述特征向量所包括的元素对应的运算结果；从上述类别集合中，确定所得到的各个运算结果中最大的运算结果对应的类别的类别信息。

在一些实施例中，上述目标阈值是上述识别模型的模型参数的参数值。

在一些实施例中，上述识别模型通过如下步骤训练得到：获取训练样本集，其中，训练样本集由正样本集和负样本集组成，正样本包括：包含车辆对象的样本图像、用于指示样本图像包含车辆对象的样本判别信息和用于指示样本图像包含的车辆对象所属的类别的样本类别信息，负样本包括：不包含车辆对象的样本图像、用于指示样本图像不包含车辆对象的样本判别信息、预先确定的用于指示样本图像不包含车辆对象的样本类别信息；利用机器学习算法，将上述训练样本集包括的训练样本中的样本图像作为输入数据，将与输入的样本图像对应的样本判别信息作为第一期望输出数据，将与输入的样本图像对应的样本类别信息作为第二期望输出数据，训练得到识别模型。

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

在一些实施例中，上述方法还包括：响应于所输出的类别信息指示的类别为目标类别，向目标控制设备发送用于禁止上述目标图像包含的车辆对象指示的车辆进行行驶的信号。

在一些实施例中，正样本集中的样本类别信息用于指示车辆方向，类别集合中的类别为以下之一：正前方、正后方、斜侧方、正侧方。