本公开关于一种图像描述信息获取方法、装置、服务器及存储介质。所述方法包括：获取多个待识别图像，以及针对于各待识别图像的对象描述信息；根据各待识别图像的对象描述信息，确定各待识别图像中的目标对象图像；对各待识别图像中的目标对象图像进行对象分类，得到各待识别图像所属的目标对象分类集合；根据各待识别图像所属的目标对象分类集合的集合描述信息，确定各待识别图像的图像描述信息。相比于相关技术中需要人工自定义类别体系，之后再对分类类别进行命名的方式，本公开不需要人工自定义类别体系，因此可以提高确定出的图像名称的精确度。的精确度。的精确度。
【技术实现步骤摘要】
图像描述信息获取方法、装置、服务器及存储介质
[0001]本公开涉及图像处理
，尤其涉及一种图像描述信息获取方法、装置、服务器及存储介质。
技术介绍
[0002]随着图像处理技术的发展，出现了一种对图片中拍摄的物品进行分类的技术，通过人工预先定义物品的分级类目，对图像中的物品进行识别后，则可以按照上述分级类目对图像中拍摄物品进行分类处理，从而得到图像中的物品分类信息，作为用于描述该图像的图像名称。
[0003]相关技术中，对图像中的物品分类需要人工自定义类别体系，之后再对分类类别进行命名，再得到图像的图像名称，然而人工自定义类别体系的力度较为粗糙，图像中物品分类的准确性较低，因此确定出的图像名称的精确度较低。
技术实现思路
[0004]本公开提供一种图像描述信息获取方法、装置、服务器及存储介质，以至少解决相关技术中确定出的图像名称的精确度较低的问题。本公开的技术方案如下：
[0005]根据本公开实施例的第一方面，提供一种图像描述信息获取方法，包括：
[0006]获取多个待识别图像，以及针对于各待识别图像的对象描述信息；
[0007]根据所述各待识别图像的对象描述信息，确定所述各待识别图像中的目标对象图像；
[0008]对所述各待识别图像中的目标对象图像进行对象分类，得到所述各待识别图像所属的目标对象分类集合；
[0009]根据所述各待识别图像所属的目标对象分类集合的集合描述信息，确定所述各待识别图像的图像描述信息。
[0010]在一示例性实施例中，所述根据所述各待识别图像的对象描述信息，确定所述各待识别图像中的目标对象图像，包括：确定当前待识别图像，获取所述当前待识别图像包含的待识别对象图像；从所述待识别对象图像中获取与所述对象描述信息匹配的待识别对象图像，作为所述目标对象图像。
[0011]在一示例性实施例中，所述对象描述信息包括文本信息；所述从所述待识别对象图像中获取与所述对象描述信息匹配的待识别对象图像，作为所述目标对象图像，包括：将所述待识别对象图像以及所述对象描述信息输入预先训练的图文匹配模型，通过所述图文匹配模型获取所述对象描述信息对应的文本特征，以及所述待识别对象图像对应的图像特征；获取所述文本特征与所述图像特征之间的特征距离；根据所述特征距离从所述待识别对象图像中获取目标对象图像。
[0012]在一示例性实施例中，所述对所述各待识别图像中的目标对象图像进行对象分类，得到所述各待识别图像所属的目标对象分类集合，包括：将所述各待识别图像中的目标
对象图像输入预先训练的对象分类模型，通过所述对象分类模型获取所述目标对象图像的对象分类特征；按照所述对象分类特征对所述各待识别图像中的目标对象图像进行图像聚类处理，得到所述各待识别图像所属的目标对象分类集合。
[0013]在一示例性实施例中，所述按照所述细粒度特征对所述各待识别图像中的目标对象图像进行图像聚类处理，包括：根据所述对象分类特征，获取所述各待识别图像中的目标对象图像之间的特征相似度；按照所述特征相似度对所述各待识别图像中的目标对象图像进行图像聚类处理。
[0014]在一示例性实施例中，所述根据所述各待识别图像所属的目标对象分类集合的集合描述信息，确定所述各待识别图像的图像描述信息之前，还包括：获取预先设定的用于生成集合描述信息的信息属性，以及所述集合描述信息对应的各信息属性的组合关系；从针对于所述目标对象分类集合包含的各待识别图像的对象描述信息中，获取与所述信息属性相匹配的目标描述信息；按照所述组合关系，对所述目标描述信息进行组合，得到所述集合描述信息。
[0015]在一示例性实施例中，所述对象描述信息包括文本信息；所述信息属性包括：所述目标对象的实体对象名称属性、所述目标对象的对象品牌属性，以及所述目标对象的对象类别属性中的至少一种；在所述信息属性包括所述目标对象的实体对象名称属性、所述目标对象的对象品牌属性，以及所述目标对象的对象类别属性的情况下，所述从针对于所述目标对象分类集合包含的各待识别图像的对象描述信息中，获取与所述信息属性相匹配的目标描述信息，包括：将所述目标对象分类集合包含的各待识别图像的对象描述信息输入预先训练的命名实体识别模型，通过所述命名实体识别模型输出得到与所述实体对象名称属性匹配的第一目标描述信息、与所述对象品牌属性匹配的第二目标描述信息，以及与所述对象类别属性匹配的第三目标描述信息。
[0016]根据本公开实施例的第二方面，提供一种图像描述信息获取装置，包括：
[0017]识别图像获取单元，被配置为执行获取多个待识别图像，以及针对于各待识别图像的对象描述信息；
[0018]目标对象确定单元，被配置为执行根据所述各待识别图像的对象描述信息，确定所述各待识别图像中的目标对象图像；
[0019]目标对象分类单元，被配置为执行对所述各待识别图像中的目标对象图像进行对象分类，得到所述各待识别图像所属的目标对象分类集合；
[0020]图像描述确定单元，被配置为执行根据所述各待识别图像所属的目标对象分类集合的集合描述信息，确定所述各待识别图像的图像描述信息。
[0021]在一示例性实施例中，所述目标对象确定单元，进一步被配置为执行确定当前待识别图像，获取所述当前待识别图像包含的待识别对象图像；从所述待识别对象图像中获取与所述对象描述信息匹配的待识别对象图像，作为所述目标对象图像。
[0022]在一示例性实施例中，所述对象描述信息包括文本信息；所述目标对象确定单元，进一步被配置为执行将所述待识别对象图像以及所述对象描述信息输入预先训练的图文匹配模型，通过所述图文匹配模型获取所述对象描述信息对应的文本特征，以及所述待识别对象图像对应的图像特征；获取所述文本特征与所述图像特征之间的特征距离；根据所述特征距离从所述待识别对象图像中获取目标对象图像。
[0023]在一示例性实施例中，所述目标对象分类单元，进一步被配置为执行将所述各待识别图像中的目标对象图像输入预先训练的对象分类模型，通过所述对象分类模型获取所述目标对象图像的对象分类特征；按照所述对象分类特征对所述各待识别图像中的目标对象图像进行图像聚类处理，得到所述各待识别图像所属的目标对象分类集合。
[0024]在一示例性实施例中，所述目标对象分类单元，进一步被配置为执行根据所述对象分类特征，获取所述各待识别图像中的目标对象图像之间的特征相似度；按照所述特征相似度对所述各待识别图像中的目标对象图像进行图像聚类处理。
[0025]在一示例性实施例中，所述图像描述确定单元，还被配置为执行获取预先设定的用于生成集合描述信息的信息属性，以及所述集合描述信息对应的各信息属性的组合关系；从针对于所述目标对象分类集合包含的各待识别图像的对象描述信息中，获取与所述信息属性相匹配的目标描述信息；按照所述组合关系，对所述目标描述信息进行组合，得到所述集合描述信息。
[0026]在一示例性实施例中，所述对象描述信息包括文本信息；所述信息属本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像描述信息获取方法，其特征在于，包括：获取多个待识别图像，以及针对于各待识别图像的对象描述信息；根据所述各待识别图像的对象描述信息，确定所述各待识别图像中的目标对象图像；对所述各待识别图像中的目标对象图像进行对象分类，得到所述各待识别图像所属的目标对象分类集合；根据所述各待识别图像所属的目标对象分类集合的集合描述信息，确定所述各待识别图像的图像描述信息。2.根据权利要求1所述的方法，其特征在于，所述根据所述各待识别图像的对象描述信息，确定所述各待识别图像中的目标对象图像，包括：确定当前待识别图像，获取所述当前待识别图像包含的待识别对象图像；从所述待识别对象图像中获取与所述对象描述信息匹配的待识别对象图像，作为所述目标对象图像。3.根据权利要求2所述的方法，其特征在于，所述对象描述信息包括文本信息；所述从所述待识别对象图像中获取与所述对象描述信息匹配的待识别对象图像，作为所述目标对象图像，包括：将所述待识别对象图像以及所述对象描述信息输入预先训练的图文匹配模型，通过所述图文匹配模型获取所述对象描述信息对应的文本特征，以及所述待识别对象图像对应的图像特征；获取所述文本特征与所述图像特征之间的特征距离；根据所述特征距离从所述待识别对象图像中获取目标对象图像。4.根据权利要求1所述的方法，其特征在于，所述对所述各待识别图像中的目标对象图像进行对象分类，得到所述各待识别图像所属的目标对象分类集合，包括：将所述各待识别图像中的目标对象图像输入预先训练的对象分类模型，通过所述对象分类模型获取所述目标对象图像的对象分类特征；按照所述对象分类特征对所述各待识别图像中的目标对象图像进行图像聚类处理，得到所述各待识别图像所属的目标对象分类集合。5.根据权利要求4所述的方法，其特征在于，所述按照所述细粒度特征对所述各待识别图像中的目标对象图像进行图像聚类处理，包括：根据所述...
【专利技术属性】
技术研发人员：杨文杰，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。