申请/专利权人：北京百度网讯科技有限公司

申请日：2023-03-31

公开（公告）日：2024-04-05

公开（公告）号：CN116383428B

主分类号：G06F16/58

分类号：G06F16/58;G06F16/33;G06V10/40;G06N20/00;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2023.07.21#实质审查的生效;2023.07.04#公开

摘要：本公开提供了一种图文编码器训练方法、图文匹配方法及装置，涉及人工智能技术领域，尤其涉及图像处理、文本识别技术领域。具体实现方案为：获取多组训练样本，其中每组训练样本中包括样本图片和样本文本，样本文本用于描述样本图片中的目标对象。针对每组训练样本，识别该组训练样本包括的样本图片中的目标对象，并生成用于描述目标对象在该样本图片中的位置的位置文本。之后基于多组训练样本和多组训练样本的位置文本，对文本编码器和图片编码器进行联合训练，其中文本编码器用于提取文本特征，图片编码器用于提取图片特征。从而提高了图文匹配的准确度。

主权项：1.一种图文编码器训练方法，包括：获取多组训练样本，每组训练样本中包括样本图片和样本文本，所述样本文本用于描述所述样本图片中的目标对象，所述目标对象所属的类型包括人或物；针对每组训练样本，识别该组训练样本包括的样本图片中的目标对象，并生成用于描述所述目标对象在该样本图片中的位置的位置文本；基于所述多组训练样本和所述多组训练样本的位置文本，对文本编码器和图片编码器进行联合训练，所述文本编码器用于提取文本特征，所述图片编码器用于提取图片特征；所述基于所述多组训练样本和所述多组训练样本的位置文本，对文本编码器和图片编码器进行联合训练，包括：针对每组训练样本，利用所述文本编码器对该组训练样本包括的样本文本进行编码，得到样本文本特征；利用所述文本编码器对该组训练样本的位置文本进行编码，得到位置文本特征，并隐藏该组训练样本包括的样本图片中的关键区域，利用所述图片编码器对隐藏关键区域的样本图片进行编码，得到图片特征；或者，利用所述图片编码器对该组训练样本包括的样本图片进行编码，得到图片特征，并隐藏该组训练样本的位置文本中的关键词，利用所述文本编码器对隐藏关键词的位置文本进行编码，得到位置文本特征；其中，所述关键区域为包括目标对象的区域，所述关键词为描述目标对象的词或者描述目标对象在样本图片中的位置的词；基于各组训练样本对应的样本文本特征、位置文本特征和图片特征，对所述文本编码器和所述图片编码器进行联合训练。

全文数据：

权利要求：

百度查询： 北京百度网讯科技有限公司 一种图文编码器训练方法、图文匹配方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD