[发明专利]目标处理方法、目标处理装置、目标处理设备及介质

说明书

公开了一种目标处理方法、目标处理装置、目标处理设备及介质，所述目标处理方法包括：获取所述目标的目标特征向量；将所述目标特征向量变换到至少一个概念椭球空间中，得到其在该概念椭球空间中的椭球特征向量，其中，所述至少一个概念椭球空间中的每一个概念椭球空间具有中心点，且其对应于一个特定的预设概念；对所述至少一个概念椭球空间中的每一个概念椭球空间，基于所述目标在该概念椭球空间中的椭球特征向量与该概念椭球空间的中心点计算所述目标的目标概率。该方法增强了对于预设概念的表征能力，泛化能力强，且具有良好的鲁棒性。

技术领域

本公开涉及机器学习领域，更具体地涉及一种目标处理方法、目标处理装置、目标处理设备及介质。

背景技术

随着机器学习在民用和商用领域的广泛应用，目标处理在图像分类、文本识别、视频处理等多领域中起到日益重要的作用，因此目标处理也面临着更高的要求。

目前在目标处理中，当基于待处理目标的目标特征向量求取其对应于特定概念的概率时，可以通过Sigmoid函数方案，即通过简单的线性变换完成将其从特征空间到概念空间的转换，然后通过S型曲线函数(Sigmoid函数)对其进行处理得到相应概率；也可以通过胶囊网络对所述目标特征向量进行处理得到相应概率。然而，使用Sigmoid函数方案时，由于其中采用单个向量来表征一个特定概念，其表征能力不足，且其学习得到的模型泛化能力不足；使用胶囊网络方案时，由于其采用动态路由的方法进行学习，其耗费计算资源，且学习速度慢。

因此，需要一种在实现目标处理的前提下，具有较强泛化能力、较快学习速度和较高准确率的目标处理方法。

发明内容

针对以上问题，本公开提供了一种目标处理方法、装置、设备及介质。利用本公开提供的目标处理方法可以在实现目标处理的基础上，有效提高目标处理的准确率，并提升目标处理速度和目标处理能力，实现实时且高精度的目标处理，且该方法具有良好的鲁棒性。

根据本公开的一方面，提出了一种目标处理方法，包括：获取所述目标的目标特征向量；将所述目标特征向量变换到至少一个概念椭球空间中，得到其在该概念椭球空间中的椭球特征向量，其中，所述至少一个概念椭球空间中的每一个概念椭球空间具有中心点，且其对应于一个特定的预设概念；对所述至少一个概念椭球空间中的每一个概念椭球空间，基于所述目标在该概念椭球空间中的椭球特征向量与该概念椭球空间的中心点计算所述目标的目标概率。

在一些实施例中，将所述目标特征向量变换到至少一个概念椭球空间中以得到其在所述至少一个概念椭球空间中的椭球特征向量包括：对每一个概念椭球空间，基于该概念椭球空间对应的椭球变换矩阵，将所述目标特征向量变换为椭球特征向量。

在一些实施例中，对每一个概念椭球空间，基于所述目标在该概念椭球空间中的椭球特征向量与该概念椭球空间的中心点计算所述目标的目标概率包括：计算所述椭球特征向量与所述中心点的空间距离；基于所述空间距离，计算得到其所对应的目标概率；其中，所述空间距离越大，其所对应的目标概率越小。

在一些实施例中，获取所述目标的目标特征向量包括：经由第一神经网络对于输入内容进行处理，得到目标特征向量；其中，所述输入内容包括输入图像、输入文字、输入视频中的至少一种。

在一些实施例中，所述目标处理方法还包括：基于所述目标概率，得到目标概率分类向量；基于所述目标概率分类向量，得到目标分类结果。

在一些实施例中，所述目标为多个目标，且其中，获取所述目标的目标特征向量包括：获取所述多个目标中每一个目标的目标特征向量；所述方法还包括：对所述至少一个概念椭球空间中的每一个概念椭球空间：将多个目标中每一个目标对应的目标特征向量与该目标的目标概率相乘，得到该目标的目标影响向量；将所述多个目标的目标影响向量相加和，得到所述多个目标的目标综合向量。