[发明专利]一种对象信息处理、信息推送方法、装置和系统

说明书

本发明公开了一种对象信息处理、信息推送方法、装置和系统，涉及人工智能领域。该方法的一具体实施方式包括：能够利用训练好的图像关系模型，确定待处理的对象图像与归属于相同对象类别的多个对比图像的图像特征的相似度，根据相似度确定与待处理的对象图像具有相似关系的目标对象信息；其中，图像关系模型是通过对比自监督训练样本集合训练得到，通过对比自监督训练样本集合训练图像关系模型，提高了训练图像关系模型的效率以及图像关系模型输出相似度的准确性，从而提高了获取具有相似关系的目标对象信息的准确率和效率。

技术领域

本发明涉及人工智能领域，尤其涉及一种对象信息处理、信息推送方法、装置和系统。

背景技术

在互联网应用中，图像通常为直观地表达对象信息(例如：实体物品信息、虚拟对象信息等)的重要方式，通常可借助对象图像之间的特征相似性来确定对象信息之间的相似关系，从而获取具有相似关系的对象信息，并进一步处理所述对象信息(例如：推送对象信息等)。

目前，通常利用监督训练样本或者利用图像增强技术构建相似样本训练图像处理模型，以通过图形处理模型获得对象图像之间的关系；但是，采用监督训练样本的方法需要利用人工为训练样本的图像加标注，存在训练效率低、浪费人力成本和时间成本的问题；采用图像增强技术构建相似样本训练得到的图像处理模型存在输出的图片特征准确性偏低，从而导致获取图片的相似关系准确率偏低的问题。

发明内容

有鉴于此，本发明实施例提供一种对象信息处理、信息推送方法、装置和系统，能够利用训练好的图像关系模型，确定待处理的对象图像与归属于相同对象类别的多个对比图像的图像特征的相似度，根据相似度确定与待处理的对象图像具有相似关系的目标对象信息；其中，图像关系模型是通过对比自监督训练样本集合训练得到，通过对比自监督训练样本集合训练图像关系模型，提高了训练图像关系模型的效率以及图像关系模型输出相似度的准确性，从而提高了获取具有相似关系的目标对象信息的准确率和效率。

为实现上述目的，根据本发明实施例的一个方面，提供了一种处理对象信息的方法，其特征在于，包括：获取目标对象信息，所述目标对象信息包括对象归属的对象类别以及对象图像；将所述对象图像、以及归属于所述对象类别的多个对比图像输入训练好的图像关系模型，所述训练好的图像关系模型通过对比自监督学习训练样本集合训练所得，其中，所述训练样本集合包括有由第一训练用图像生成的正例样本对以及与所述第一训练用图像存在特征差异的负例样本；利用所述图像关系模型输出的所述对象图像与多个对比图像的相似度，为所述目标对象信息确定相似信息。

可选地，所述处理对象信息的方法，还包括：利用所述图像关系模型包括的图像特征提取模型，为初始训练样本集合中的每一个训练用图像生成对应的样本对，其中，任意一个所述训练用图像作为所述第一训练用图像，所述第一训练用图像对应的样本对为所述正例样本对，所述初始训练样本集合中所述第一训练用图像之外的其他训练用图像的样本对中的样本为所述第一训练用图像的负例样本；利用所述图像关系模型包括的模型损失函数、所述正例样本对以及负例样本，计算损失值；根据计算出的所述损失值调整所述图像特征提取模型。

可选地，所述处理对象信息的方法，进一步包括：

为属于同一对象类别的多个训练用图像划分出多个对象属性；将属于同一所述对象属性对应的多个训练用图像存储到一个属性样本子集；对至少两个所述对象属性对应的属性样本子集组合，构成所述初始训练样本集合。

可选地，所述利用所述图像关系模型包括的图像特征提取模型，为初始训练样本集合中的每一个训练用图像生成对应的样本对，包括：将所述初始训练样本集合输入所述图像特征提取模型；并利用所述图像特征提取模型对所述初始训练样本集合中的每一个所述训练用图像进行两次随机失活操作，生成包括有第一图像向量和第二图像向量的样本对。

可选地，所述处理对象信息的方法，还包括：