申请/专利权人:书行科技(北京)有限公司
申请日:2023-12-15
公开(公告)日:2024-06-21
公开(公告)号:CN118230019A
主分类号:G06V10/764
分类号:G06V10/764;G06F40/289;G06F40/284;G06N20/00
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本申请公开了一种图像描述生成方法、装置、电子设备及存储介质,其中,方法包括:获取训练样本对,训练样本对包括中文文本和英文文本,英文文本是根据中文文本对应的配图得到的;对英文文本进行分词处理,得到分词组;对中文文本进行编码处理,得到中文编码;根据中文编码和分词组对初始模型进行n次训练处理,得到训练损失,n为分词组中词汇的数量加一;根据训练损失对初始模型进行调整,得到图像描述生成模型;获取用户输入的文本,对文本进行编码处理,将得到的文本编码作为辅助信息输入图像描述生成模型,得到文本对应的图像描述。使用本方法,实现直接由中文描述生成符合要求的图像描述的功能,极大的减少了算力成本,提高了生成效率。
主权项:1.一种图像描述生成方法,其特征在于,所述方法包括:获取训练样本对,其中,所述训练样本对包括中文文本和英文文本,所述英文文本是根据所述中文文本对应的配图得到的;对所述英文文本进行分词处理,得到分词组;对所述中文文本进行编码处理,得到中文编码;根据所述中文编码和所述分词组对初始模型进行n次训练处理,得到训练损失,其中,n为所述分词组中词汇的数量加一;根据所述训练损失对所述初始模型进行调整,得到图像描述生成模型;获取用户输入的文本,对所述文本进行编码处理,得到文本编码;将所述文本编码作为辅助信息输入所述图像描述生成模型,得到所述文本对应的图像描述。
全文数据:
权利要求:
百度查询: 书行科技(北京)有限公司 图像描述生成方法、装置、电子设备及存储介质
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。