[发明专利]一种信息处理方法、装置及计算机可读存储介质有效
| 申请号: | 202010840896.X | 申请日: | 2020-08-20 |
| 公开(公告)号: | CN111709497B | 公开(公告)日: | 2020-11-20 |
| 发明(设计)人: | 苗书宇;杜俊珑;彭湃;孙星;郭晓威;黄飞跃;吴永坚;黄小明 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
| 主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/08 |
| 代理公司: | 深圳翼盛智成知识产权事务所(普通合伙) 44300 | 代理人: | 李汉亮 |
| 地址: | 518057 广东省深圳*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 信息处理 方法 装置 计算机 可读 存储 介质 | ||
1.一种信息处理方法,其特征在于,包括:
将目标训练样本分别输入第一目标检测模型和第二目标检测模型,得到第一目标特征图信息和第二目标特征图信息;
获取所述第一目标特征图信息中第一目标物体标识框特征之间的第一距离矩阵信息和第二目标特征图信息中第二目标物体标识框特征之间的第二距离矩阵信息;
基于所述第一目标特征图信息与第一距离矩阵信息进行图卷积处理,得到第一关系特征向量;
基于所述第二目标特征图信息与第二距离矩阵信息进行图卷积处理,得到第二关系特征向量;
构建所述第一关系特征向量和第二关系特征向量对应的蒸馏损失函数;
将所述蒸馏损失函数乘以预设权重,得到目标蒸馏损失函数;
将所述目标蒸馏损失函数与所述第二目标检测模型的损失函数进行联合训练,得到联合训练后的第二目标检测模型;
基于联合训练后的第二目标检测模型对待识别图像进行物体识别。
2.根据权利要求1所述的信息处理方法,其特征在于,所述获取所述第一目标特征图信息中第一目标物体标识框特征之间的第一距离矩阵信息和第二目标特征图信息中第二目标物体标识框特征之间的第二距离矩阵信息的步骤,包括:
计算所述第一目标特征图信息中第一目标物体标识框特征之间的欧式距离,生成第一距离矩阵信息;
计算所述第二目标特征图信息中第二目标物体标识框特征之间的欧式距离,生成第二距离矩阵信息。
3.根据权利要求1所述的信息处理方法,其特征在于,所述基于所述第一目标特征图信息与第一距离矩阵信息进行图卷积处理,得到第一关系特征向量的步骤,包括:
获取第一距离矩阵信息,并将所述第一距离矩阵信息与单位矩阵进行求和,得到第一矩阵信息;
获取所述第一矩阵信息的对角结点度矩阵;
基于所述第一矩阵信息和对角结点度矩阵对所述第一矩阵信息进行对称的归一化处理,得到第一目标矩阵信息;
通过激活函数对第一目标矩阵信息、第一参数矩阵和第一目标特征图信息进行计算,得到第一关系特征向量。
4.根据权利要求1所述的信息处理方法,其特征在于,所述获取所述第一目标特征图信息中第一目标物体标识框特征之间的第一距离矩阵信息和第二目标特征图信息中第二目标物体标识框特征之间的第二距离矩阵信息的步骤,包括:
计算所述第一目标特征图信息中第一目标物体标识框特征之间的广义交并比,生成第一距离矩阵信息;
计算所述第二目标特征图信息中第二目标物体标识框特征之间的广义交并比,生成第二距离矩阵信息。
5.根据权利要求4所述的信息处理方法,其特征在于,所述计算所述第一目标特征图信息中第一目标物体标识框特征之间的广义交并比,生成第一距离矩阵信息的步骤,包括:
获取所述第一目标特征图信息中第一目标物体标识框特征之间的交并比;
获取所述第一目标特征图信息中第一目标物体标识框特征之间的最小外接包围框;
计算所述最小外接包围框减去第一目标特征图信息中第一目标物体标识框特征之间的交集的差值的绝对值;
获取所述差值的绝对值与最小外接包围框的绝对值的比值;
计算所述交并比与所述比值的差值,得到所述第一目标特征图信息中第一目标物体标识框特征之间的广义交并比,生成第一距离矩阵信息。
6.根据权利要求1至5任一项所述的信息处理方法,其特征在于,所述将目标训练样本分别输入第一目标检测模型和第二目标检测模型,得到第一目标特征图信息和第二目标特征图信息的步骤,包括:
获取目标训练样本,将所述目标训练样本输入第一目标检测模型,得到第一特征图信息;
将所述目标训练样本输入第二目标检测模型,得到第二特征图信息;
对所述第一特征图信息和第二特征图信息进行维度转换,生成第一目标特征图信息和第二目标特征图信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010840896.X/1.html,转载请声明来源钻瓜专利网。





