对象命名方法、装置、电子设备、存储介质及程序产品制造方法及图纸

本申请公开了一种对象命名方法及相关产品，其中，获取待命名对象的分支编码矩阵，待命名对象为包括N层分支的树状结构对象；根据分支编码矩阵，从第1层开始逐层提取得到N层分支的分支特征矩阵，并根据第N层分支的分支特征矩阵，确定第N层分支的分类命名；融合第N层分支的分支特征矩阵和第N

【技术实现步骤摘要】
对象命名方法、装置、电子设备、存储介质及程序产品


[0001]本申请涉及图像处理
，具体涉及一种对象命名方法、装置、电子设备、存储介质及程序产品。

技术介绍

[0002]目前，存在不少树状结构的对象，其中既有实体对象，也有非实体对象。比如，人体的气管组织为多个层级的树状结构实体对象，生物学领域的“界、门、纲、目、科、属、种”为多个层级的树状结构非实体对象，等等。通常的，可以采用树状图来表征树状结构的对象，通过树状图来体现对象的层级、包含关系等。虽然可以采用树状图的形式在图空间对树状结构对象进行表征，但是这图空间的表征仍然是抽象的，存在对树状结构对象具象表征的需求。
[0003]在目前的相关技术中，通常采用人工标注的方式来对树状结构对象中的各层级分支进行分类命名，以此实现对树状结构对象的具象表征，然而，树状结构对象中的层级众多，各层级的分支更是繁杂，导致人工标注方式的分类命名效率较低。

技术实现思路

[0004]本申请实施例提供一种对象命名方法、装置、电子设备、计算机可读存储介质以及计算机程序产品，可以提高对树状结构对象进行分类命名的效率和准确性。
[0005]第一方面，本申请提供的对象命名方法，包括：
[0006]获取待命名对象的分支编码矩阵，待命名对象为包括N层分支的树状结构对象，分支编码矩阵根据待命名对象的树状图编码得到，分支编码矩阵中的一行矩阵元素用于表征待命名对象中的一个分支在树状图中的空间信息，N为大于或等于3的正整数；
[0007]根据分支编码矩阵，从第1层开始逐层提取得到N层分支的分支特征矩阵，并根据第N层分支的分支特征矩阵，确定第N层分支的分类命名；
[0008]融合第N层分支的分支特征矩阵和第N
‑
1层分支的分支特征矩阵，得到第一融合特征矩阵，并根据第一融合特征矩阵，提取得到第N
‑
1层分支的目标分支特征矩阵，以及根据第N
‑
1层分支的目标分支特征矩阵，确定第N
‑
1层分支的分类命名；
[0009]融合第i层分支的分支特征矩阵和第i
‑
1层分支的目标分支特征矩阵，得到第二融合特征矩阵，并根据第二融合特征矩阵，提取得到第i
‑
1层分支的目标分支特征矩阵，以及根据第i
‑
1层分支的目标分支特征矩阵，确定第i
‑
1层分支的分类命名，i∈[N
‑
1,2]。
[0010]第二方面，本申请提供的对象命名装置，包括：
[0011]矩阵获取单元，用于获取待命名对象的分支编码矩阵，待命名对象为包括N层分支的树状结构对象，分支编码矩阵根据待命名对象的树状图编码得到，分支编码矩阵中的一行矩阵元素用于表征待命名对象中的一个分支在树状图中的空间信息，N为大于或等于3的正整数；
[0012]第一分类命名单元，用于根据分支编码矩阵，从第1层开始逐层提取得到N层分支
的分支特征矩阵，并根据第N层分支的分支特征矩阵，确定第N层分支的分类命名；
[0013]第二分类命名单元，用于融合第N层分支的分支特征矩阵和第N
‑
1层分支的分支特征矩阵，得到第一融合特征矩阵，并根据第一融合特征矩阵，提取得到第N
‑
1层分支的目标分支特征矩阵，以及根据第N
‑
1层分支的目标分支特征矩阵，确定第N
‑
1层分支的分类命名；
[0014]第三分类命名单元，用于融合第i层分支的分支特征矩阵和第i
‑
1层分支的目标分支特征矩阵，得到第二融合特征矩阵，并根据第二融合特征矩阵，提取得到第i
‑
1层分支的目标分支特征矩阵，以及根据第i
‑
1层分支的目标分支特征矩阵，确定第i
‑
1层分支的分类命名，i∈[N
‑
1,2]。
[0015]可选的，在一实施例中，第一分类命名单元用于获取对象命名模型，对象命名模型包括正向分支网络和反向分支网络，正向分支网络包括N个第一特征提取模块，反向分支网络包括N
‑
1个第二特征提取模块；以及通过正向分支网络中的第1个第一特征提取模块，对分支编码矩阵进行特征提取，得到第1层分支的分支特征矩阵；以及通过正向分支网络中的第j个第一特征提取模块，对第j
‑
1层分支的分支特征矩阵进行特征提取，得到第j层分支的分支特征矩阵，j∈[2,N]；
[0016]第二分类命名单元用于通过反向分支网络中的第N
‑
1个第二特征提取模块，对第一融合特征矩阵进行特征提取，得到第N
‑
1层分支的目标分支特征矩阵；以及
[0017]第三分类命名单元用于通过反向分支网络中的第i
‑
1个第二特征提取模块，对第二融合特征矩阵进行特征提取，得到第i
‑
1层分支的目标分支特征矩阵。
[0018]可选的，在一实施例中，正向分支网络中的第N个第一特征提取模块包括注意力层和前馈层，第一分类命名单元用于获取待命名对象的距离编码矩阵，距离编码矩阵中的矩阵元素用于表征待命名对象的树状图中两个节点间的节点距离；以及根据距离编码矩阵，通过注意力层对第N
‑
1层分支的分支特征矩阵进行注意力增强，得到第一注意力增强矩阵；以及通过前馈层对第一注意力增强矩阵进行前馈运算，得到第N层分支的分支特征矩阵。
[0019]可选的，在一实施例中，注意力层包括空间映射子层、多头自注意力子层、邻域注意力子层、权重映射子层以及矩阵运算子层，第一分类命名单元用于通过空间映射子层，将第N
‑
1层分支的分支特征矩阵分别映射到查询空间、键空间以及值空间，得到对应的第一查询矩阵、第一键矩阵以及第一值矩阵；以及根据第一查询矩阵、第一键矩阵，通过多头自注意力子层获取得到全局注意力分布矩阵；以及根据距离编码矩阵，通过邻域注意力子层获取得到邻域注意力分布矩阵；以及通过权重映射子层，将全局注意力分布矩阵和邻域注意力分布矩阵映射为注意力权重矩阵；以及通过矩阵运算子层，对注意力权重矩阵和第一值矩阵进行矩阵乘法运算，得到第一注意力增强矩阵。
[0020]可选的，在一实施例中，正向分支网络中的前N
‑
1个第一特征提取模块，部分或全部的结构与第N个第一特征提取模块的结构相同，反向分支网络中的N
‑
1个第二特征提取模块，部分或全部的结构与第N个第一特征提取模块的结构相同。
[0021]可选的，在一实施例中，反向分支网络还包括对应N
‑
1个第二特征提取模块的N
‑
1个第一分类命名模块，第三分类命名单元用于根据第i
‑
1层分支的目标分支特征矩阵，通过第i
‑
1个第一分类命名模块进行分类，得到第i
‑
1层分支的分类命名。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对象命名方法，其特征在于，包括：获取待命名对象的分支编码矩阵，所述待命名对象为包括N层分支的树状结构对象，所述分支编码矩阵根据所述待命名对象的树状图编码得到，所述分支编码矩阵中的一行矩阵元素用于表征所述待命名对象中的一个分支在所述树状图中的空间信息，N为大于或等于3的正整数；根据所述分支编码矩阵，从第1层开始逐层提取得到N层分支的分支特征矩阵，并根据第N层分支的分支特征矩阵，确定第N层分支的分类命名；融合第N层分支的分支特征矩阵和第N
‑
1层分支的分支特征矩阵，得到第一融合特征矩阵，并根据所述第一融合特征矩阵，提取得到第N
‑
1层分支的目标分支特征矩阵，以及根据所述第N
‑
1层分支的目标分支特征矩阵，确定第N
‑
1层分支的分类命名；融合第i层分支的分支特征矩阵和第i
‑
1层分支的目标分支特征矩阵，得到第二融合特征矩阵，并根据所述第二融合特征矩阵，提取得到第i
‑
1层分支的目标分支特征矩阵，以及根据所述第i
‑
1层分支的目标分支特征矩阵，确定第i
‑
1层分支的分类命名，i∈[N
‑
1,2]。2.根据权利要求1所述的对象命名方法，其特征在于，所述根据所述分支编码矩阵，从第1层开始逐层提取得到N层分支的分支特征矩阵，包括：获取对象命名模型，所述对象命名模型包括正向分支网络和反向分支网络，所述正向分支网络包括N个第一特征提取模块，所述反向分支网络包括N
‑
1个第二特征提取模块；通过所述正向分支网络中的第1个第一特征提取模块，对所述分支编码矩阵进行特征提取，得到第1层分支的分支特征矩阵；通过所述正向分支网络中的第j个第一特征提取模块，对第j
‑
1层分支的分支特征矩阵进行特征提取，得到第j层分支的分支特征矩阵，j∈[2,N]；根据所述第一融合特征矩阵，提取得到第N
‑
1层分支的目标分支特征矩阵，包括：通过所述反向分支网络中的第N
‑
1个第二特征提取模块，对所述第一融合特征矩阵进行特征提取，得到第N
‑
1层分支的目标分支特征矩阵；根据所述第二融合特征矩阵，提取得到第i
‑
1层分支的目标分支特征矩阵，包括：通过所述反向分支网络中的第i
‑
1个第二特征提取模块，对所述第二融合特征矩阵进行特征提取，得到第i
‑
1层分支的目标分支特征矩阵。3.根据权利要求2所述的对象命名方法，其特征在于，所述正向分支网络中的第N个第一特征提取模块包括注意力层和前馈层，通过所述正向分支网络中的第N个第一特征提取模块，对第N
‑
1层分支的分支特征矩阵进行特征提取，得到第N层分支的分支特征矩阵，包括：获取所述待命名对象的距离编码矩阵，所述距离编码矩阵中的矩阵元素用于表征所述待命名对象的树状图中两个节点间的节点距离；根据所述距离编码矩阵，通过所述注意力层对所述第N
‑
1层分支的分支特征矩阵进行注意力增强，得到第一注意力增强矩阵；通过所述前馈层对所述第一注意力增强矩阵进行前馈运算，得到第N层分支的分支特征矩阵。4.根据权利要求3所述的对象命名方法，其特征在于，所述注意力层包括空间映射子层、多头自注意力子层、邻域注意力子层、权重映射子层以及矩阵运算子层，所述根据所述
距离编码矩阵，通过所述注意力层对所述第N
‑
1层分支的分支特征矩阵进行注意力增强，得到第一注意力增强矩阵，包括：通过所述空间映射子层，将所述第N
‑
1层分支的分支特征矩阵分别映射到查询空间、键空间以及值空间，得到对应的第一查询矩阵、第一键矩阵以及第一值矩阵；根据所述第一查询矩阵、第一键矩阵，通过所述多头自注意力子层获取得到全局注意力分布矩阵；根据所述距离编码矩阵，通过所述邻域注意力子层获取得到邻域注意力分布矩阵；通过所述权重映射子层，将所述全局注意力分布矩阵和所述邻域注意力分布矩阵映射为注意力权重矩阵；通过所述矩阵运算子层，对所述注意力权重矩阵和所述第一值矩阵进行矩阵乘法运算，得到第一注意力增强矩阵。5.根据权利要求4所述的对象命名方法，其特征在于，所述正向分支网络中的前N
‑
1个第一特征提取模块，部分或全部的结构与所述第N个第一特征提取模块的结构相同，所述反向分支网络中的N
‑
1个第二特征提取模块，部分或全部的结构与所述第N个第一特征提取模块的结构相同。6.根据权利要求2所述的对象命名方法，其特征在于，所述反向分支网络还包括对应N
‑
1个第二特征提取模块的N
‑
1个第一分类命名模块，所述根据所述第i
‑
1层分支的目标分支特征矩阵，确定第i
‑
1层分支的分类命名，包括：根据所述第i
‑
1层分支的目标分支特征矩阵，通过第i
‑
1个第一分类命名模块进行分类，得到第i
‑
1层分支的分类命名。7.根据权利要求6所述的对象命名方法，其特征在于，所述第一分类命名模块包括全连接层和第一分类函数层，所述根据所述第i
‑
1层分支的目标分支特征矩阵，通过第i
‑
1个第一分类命名模块进行分类，得到第i
‑
1层分支的分类命名，包括：通过第i
‑
1个第一分类命名模块的全连接层，获取第i
‑
1层分支的目标分支特征矩阵的全连接矩阵；通过第i
‑
1个第一分类命名模块的第一分类函数层，对第i
‑
1层分支的全连接矩阵进行分类运算，得到第i
‑
1层分支的分类结果矩阵；根据所述第i
‑
1层分支的分类结果矩阵，得到第i
‑
1层分支的分类命名。8.根据权利要求7所述的对象命名方法，其特征在于，所述正向分支网络还包括底层分类命名模块，所述底层分类命名模块的结构与所述第一分类命名模块的结构相同，所述根据第N层分支的分支特征矩阵，确定第N层分支的分类命名，包括：通过所述底层分类命名模块的全连接层，获取第N层分支的分支特征矩阵的全连接矩阵；通过所述底层分类命名模块的第一分类函数层，对第N层分支的全连接矩阵进行分类运算，得到第N层分支的分类结果矩阵；根据所述第N层分支的分类结果矩阵，得到第N层分支的分类命名；其中，所述底层分类命名模块中全连接层的网络参数，根据第N
‑
1层分支的目标分支特征矩阵确定。9.根据权利要求8所述的对象命名方法，其特征在于，所述对象命名模型还包括参数生
成模块，所述通过所述底层分类命名模块的全连接层，获取第N层分支的分支特征矩阵的全连接矩阵之前，还包括：根据所述第N
‑
1层分支的全连接矩阵和目标分支特征矩阵，通过所述参数生成模块，生成所述底层分类命名模块中全连接层的网络参数；所述通过所述底层分类命名模块的全连接层，获取第N层分支的分支特征矩阵的全连接矩阵，包括：基于所述网络参数，通过所述底层分类命名模块的全连接层，获取第N层分支的分支特征矩阵的全连接矩阵。10.根据权利要求9所述的对象命名方法，其特征在于，所述参数生成模块包括第二分类函数层、第一矩阵运算层、第二矩阵运算层以及参数生成层，所述根据所述第N
‑
1层分支的全连接矩...

【专利技术属性】
技术研发人员：郑昊，魏东，郑冶枫，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：