[发明专利]图像筛选方法、装置、计算机设备及存储介质

说明书

本公开关于一种图像筛选方法、装置、计算机设备及存储介质，属于机器学习技术领域。本公开能够从用户点击行为层面对多个第一图像进行初步筛选，由于用户点击行为通常与人眼视觉的特征具有相关性，因此筛选得到的第二图像可以表示人眼视觉层面的筛选结果，进一步地，从计算机视觉层面对多个第二图像进行进一步筛选，不增加人力成本的基础上大大提升了机器在进行图像筛选的智能性，增加了筛选出的第三图像的种类，丰富了第三图像的多样性。

技术领域

本公开涉及机器学习技术领域，尤其涉及一种图像筛选方法、装置、计算机设备及存储介质。

背景技术

相关技术中，深度学习在自然语言处理、文本翻译等领域得到广泛应用，由于深度学习模型的准确度依赖于训练数据的多样性，当训练数据的种类越多时，深度学习模型的泛化能力就越好。

以用于图像分类模型为例，在筛选图像分类模型的训练图像时，通常会从计算机视觉的角度，对噪声图像库中海量的噪声图像进行筛选，以获取多个难以分辨(也即是图像分类模型难以进行分类)的“困难样本”，例如，该困难样本可以是背景复杂的图像、物体较小的图像等，由技术人员对该多个困难样本进行人工标注，得到多个标注图像，在从多个标注图像中筛选得到该图像分类模型的多个训练图像。

在上述过程中，在对噪声图像库进行筛选时，仅能够筛选出计算机视觉角度上难以分辨的困难样本，而由于人眼视觉角度的困难样本与计算机视觉角度的困难样本不尽相同，也即是机器在筛选图像时智能性差，使得上述过程筛选得到的困难样本的种类不够丰富，也就使得训练图像的多样性不够高，而由于投入更多的人力来筛选困难样本以提升训练图像多样性会大大增加图像筛选的人力成本，因此，如何在不投入额外人力成本的基础上提升机器筛选图像的智能性成为一个亟需解决的问题。

发明内容

本公开提供一种图像筛选方法、装置、计算机设备及存储介质，以至少解决相关技术中机器在图像筛选时智能性差，导致筛选得到的图像种类不够丰富、图像多样性不高的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种图像筛选方法，包括：

根据多个第一图像的用户点击数据，获取所述多个第一图像的点击行为特征；

根据所述多个第一图像的点击行为特征，从所述多个第一图像中筛选得到多个第二图像，所述多个第二图像的点击行为特征符合第一目标条件；

根据所述多个第二图像的图像特征，从所述多个第二图像中筛选得到至少一个第三图像，所述至少一个第三图像的图像特征符合第二目标条件。

在一种可能实施方式中，所述根据多个第一图像的用户点击数据，获取所述多个第一图像的点击行为特征包括：

根据所述多个第一图像的用户点击数据，对行为分析模型进行迭代训练；

当所述行为分析模型的损失函数值小于第一目标阈值或迭代次数到达目标次数时，得到所述多个第一图像的点击行为特征。

在一种可能实施方式中，所述根据所述多个第一图像的用户点击数据，对行为分析模型进行迭代训练包括：

在每次迭代过程中，将所述多个第一图像的用户点击数据输入所述行为分析模型，通过所述行为分析模型提取所述多个第一图像的点击行为特征，基于所述多个第一图像的点击行为特征获取所述行为分析模型的损失函数值。

在一种可能实施方式中，所述将所述多个第一图像的用户点击数据输入所述行为分析模型，通过所述行为分析模型提取所述多个第一图像的点击行为特征，基于所述多个第一图像的点击行为特征获取所述行为分析模型的损失函数值包括：

将所述多个第一图像的用户点击数据输入所述行为分析模型的宽度部分，通过所述行为分析模型的宽度部分，对所述多个第一图像的用户点击数据进行线性处理，得到所述多个第一图像的宽度特征；