[发明专利]对象分类的方法、装置、可读介质和电子设备

说明书

本公开涉及一种对象分类的方法、装置、可读介质和电子设备，该方法包括：获取包含待分类对象的对象信息以及待分类对象对应的目标任务，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，根据对象信息和目标任务，通过联合分类模型，确定待分类对象对应的分类结果，其中，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，目标样本集是根据每个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，多任务分类模型为根据多个分类任务对应的数据样本集进行模型训练得到的模型。

技术领域

本公开涉及信息处理技术领域，具体地，涉及一种对象分类的方法、装置、可读介质和电子设备。

背景技术

多任务学习作为机器学习领域的重要研究方向之一，受到了人们的广泛关注。多任务学习可以将相近任务或具有互补信息的任务在同一个模型中进行学习和训练，能够节省计算资源和存储空间，并提升多个任务的预测效果。在通过多任务学习得到的多任务模型对待分类对象执行多个分类任务时，由于对多个分类任务进行联合训练的方式难以达到单个分类任务独自训练的性能，这会降低分类结果的准确性。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种对象分类的方法，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分类任务对应的数据样本集进行模型训练得到的模型。

第二方面，本公开提供一种对象分类的装置，所述装置包括：

获取模块，用于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；

确定模块，用于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分类任务对应的数据样本集进行模型训练得到的模型。

第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。

第四方面，本公开提供一种电子设备，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面所述方法的步骤。