[发明专利]对象分类的方法、装置、可读介质和电子设备

权利要求书

1.一种对象分类的方法，其特征在于，所述方法包括：

获取包含待分类对象的对象信息以及所述待分类对象对应的目标任务，所述对象信息包括图像信息、视频信息、文本信息和音频信息中的至少一种；

根据所述对象信息和所述目标任务，通过预先训练的联合分类模型，确定所述待分类对象对应的分类结果；

其中，所述联合分类模型是利用多个分类任务对应的目标样本集，对多任务分类模型进行更新后得到的模型，所述目标样本集是根据每个所述分类任务对应的单任务模型和该分类任务对应的数据样本集确定的，每个所述分类任务对应的单任务模型为根据该分类任务对应的数据样本集进行模型训练得到的模型，所述多任务分类模型为根据多个所述分类任务对应的数据样本集进行模型训练得到的模型。

2.根据权利要求1所述的方法，其特征在于，所述联合分类模型是通过以下方式得到的：

针对每个所述分类任务，根据该分类任务对应的单任务模型和该分类任务对应的数据样本集，确定该分类任务对应的目标样本集；

根据每个所述分类任务对应的目标样本集，对所述多任务分类模型进行更新，得到更新后的多任务分类模型；

重复执行所述根据该分类任务对应的单任务模型和该分类任务对应的数据样本集，确定该分类任务对应的目标样本集，至所述根据每个所述分类任务对应的目标样本集，对所述多任务分类模型进行更新，得到更新后的多任务分类模型的步骤，直至所述更新后的多任务分类模型满足预设终止条件，并将所述更新后的多任务分类模型作为所述联合分类模型。

3.根据权利要求2所述的方法，其特征在于，所述根据该分类任务对应的单任务模型和该分类任务对应的数据样本集，确定该分类任务对应的目标样本集，包括：

对该分类任务对应的数据样本集进行随机取样，得到该分类任务对应的训练样本集，所述训练样本集包括多个训练样本；

根据该分类任务对应的训练样本集中的每个所述训练样本的第一损失值和该训练样本的第二损失值，确定该分类任务对应的目标样本集；所述第一损失值为该训练样本在训练该分类任务对应的单任务分类模型时的损失值，所述第二损失值为该训练样本在训练所述多任务分类模型时的损失值。

4.根据权利要求3所述的方法，其特征在于，所述根据该分类任务对应的训练样本集中的每个所述训练样本的第一损失值和该训练样本的第二损失值，确定该分类任务对应的目标样本集，包括：

针对每个所述训练样本，将该训练样本的第二损失值和该训练样本的第一损失值的差值，作为该训练样本的样本损失值；

将所述预设训练集中样本损失值最大的指定数量个训练样本作为所述目标样本集。

5.根据权利要求2所述的方法，其特征在于，所述根据每个所述分类任务对应的目标样本集，对所述多任务分类模型进行更新，得到更新后的多任务分类模型，包括：

确定每个所述目标样本集的集合损失值，所述集合损失值为该目标样本集中的全部训练样本在训练所述多任务分类模型时的损失值的平均值；

根据所述集合损失值，对所述多任务分类模型进行更新，得到更新后的多任务分类模型。

6.根据权利要求5所述的方法，其特征在于，所述根据所述集合损失值，对所述多任务分类模型进行更新，得到更新后的多任务分类模型，包括：

对每个所述分类任务的集合损失值，按照该分类任务对应的预设权重，进行加权求和，得到所述多任务分类模型的目标损失值；

根据所述目标损失值，确定所述多任务分类模型对应的目标梯度，并根据所述目标梯度更新所述多任务分类模型，得到更新后的多任务分类模型。