用于生成图片标签模型的方法和装置与流程

本公开的实施例涉及计算机技术领域，具体涉及用于生成图片标签模型的方法和装置。

背景技术：

多标签分类是指将某个信息划归至多个类别下，即可以使得一个信息具有多个标签。现有的对图片进行多标签分类的方法，通常采用多标签分类模型。模型包括多个sigmoid激活函数，每个激活函数对应于一个标签。训练模型时，单个样本图片对应于标注的多个标签，训练好的模型可以输出多个标签，每个标签对应于一个图片类别。

技术实现要素：

本公开的实施例提出了用于生成图片标签模型的方法和装置，以及用于生成图片的类别标签集合的方法和装置。

第一方面，本公开的实施例提供了一种用于生成图片标签模型的方法，该方法包括：获取至少两个样本图片集，其中，样本图片集对应于预设的图片类别，样本图片集包括属于对应的图片类别的正样本图片和不属于对应的图片类别的负样本图片，正样本图片对应于预先被标注的正类别信息，负样本图片对应于预先标注的负类别信息；从至少两个样本图片集中选择样本图片集，利用所选择的样本图片集，执行如下训练步骤：利用机器学习方法，将样本图片集包括的正样本图片作为输入，将与输入的正样本图片对应的正类别信息作为期望输出，将样本图片集中的负样本图片作为输入，将与输入的负样本图片对应的负类别信息作为期望输出，训练初始模型；确定至少两个样本图片集中是否包括未被选择的样本图片集；响应于确定不包括，确定最近一次训练后的初始模型为图片标签模型。

在一些实施例中，该方法还包括：响应于确定至少两个样本图片集中包括未被选择的样本图片集，从未被选择的样本图片集中重新选择样本图片集，利用重新选择的样本图片集和最近一次训练后的初始模型，继续执行训练步骤。

在一些实施例中，至少两个样本图片集预先按照如下步骤得到：获取至少两个样本视频集，其中，样本视频集对应于预设的视频类别，样本视频集包括属于对应的视频类别的正样本视频和不属于对应的视频类别的负样本视频，正样本视频对应于预先被标注的正类别信息，负样本视频对应于预先被标注的负类别信息；对于至少两个样本视频集中的样本视频集，从该样本视频集包括的正样本视频中提取视频帧作为正样本图片，以及将正样本视频对应的正类别信息确定为所提取的正样本图片的正类别信息；从该样本视频集包括的负样本视频中提取视频帧作为负样本图片，以及将负样本视频对应的负类别信息确定为所提取的负样本图片的负类别信息；将所提取的正样本图片和负样本图片的集合确定为样本图片集。

在一些实施例中，正样本视频和负样本视频是压缩后的视频，正样本图片是从正样本视频中提取的关键帧，负样本图片是从负样本视频中提取的关键帧。

在一些实施例中，正类别信息和负类别信息分别为包括预设数量个元素的向量，正样本图片对应的向量中的目标元素用于表征正样本图片属于对应的图片类别，负样本图片对应的向量中的目标元素用于表征负样本图片不属于对应的图片类别，目标元素为向量中的元素位置中，位于预先与向量对应的图片类别建立对应关系的元素位置处的元素，向量对应的图片类别为向量对应的样本图片所属的样本图片集对应的图片类别。

在一些实施例中，初始模型为卷积神经网络模型，包括特征提取层和分类层，分类层包括预设数量个权重数据，权重数据对应于预设的图片类别，用于确定输入的图片所属的类别的概率。

在一些实施例中，训练初始模型，包括：固定预设数量个权重数据中的、除样本图片集对应的图片类别所对应的权重数据之外的其他权重数据，以及调整样本图片集对应的图片类别所对应的权重数据，以对初始模型进行训练。

第二方面，本公开的实施例提供了一种用于生成图片的类别标签集合的方法，该方法包括：获取待分类图片；将待分类图片输入预先训练的图片标签模型，生成类别标签集合，其中，类别标签对应于预设的图片类别，用于表征待分类图片属于类别标签对应的图片类别，图片标签模型是根据上述第一方面中任一实施例描述的方法生成的。

第三方面，本公开的实施例提供了一种用于生成图片标签模型的装置，该装置包括：获取单元，被配置成获取至少两个样本图片集，其中，样本图片集对应于预设的图片类别，样本图片集包括属于对应的图片类别的正样本图片和不属于对应的图片类别的负样本图片，正样本图片对应于预先被标注的正类别信息，负样本图片对应于预先标注的负类别信息；训练单元，被配置成从至少两个样本图片集中选择样本图片集，利用所选择的样本图片集，执行如下训练步骤：利用机器学习方法，将样本图片集包括的正样本图片作为输入，将与输入的正样本图片对应的正类别信息作为期望输出，将样本图片集中的负样本图片作为输入，将与输入的负样本图片对应的负类别信息作为期望输出，训练初始模型；确定至少两个样本图片集中是否包括未被选择的样本图片集；响应于确定不包括，确定最近一次训练后的初始模型为图片标签模型。

在一些实施例中，该装置还包括：选择单元，被配置成响应于确定至少两个样本图片集中包括未被选择的样本图片集，从未被选择的样本图片集中重新选择样本图片集，利用重新选择的样本图片集和最近一次训练后的初始模型，继续执行训练步骤。

在一些实施例中，至少两个样本图片集预先按照如下步骤得到：获取至少两个样本视频集，其中，样本视频集对应于预设的视频类别，样本视频集包括属于对应的视频类别的正样本视频和不属于对应的视频类别的负样本视频，正样本视频对应于预先被标注的正类别信息，负样本视频对应于预先被标注的负类别信息；对于至少两个样本视频集中的样本视频集，从该样本视频集包括的正样本视频中提取视频帧作为正样本图片，以及将正样本视频对应的正类别信息确定为所提取的正样本图片的正类别信息；从该样本视频集包括的负样本视频中提取视频帧作为负样本图片，以及将负样本视频对应的负类别信息确定为所提取的负样本图片的负类别信息；将所提取的正样本图片和负样本图片的集合确定为样本图片集。

在一些实施例中，正样本视频和负样本视频是压缩后的视频，正样本图片是从正样本视频中提取的关键帧，负样本图片是从负样本视频中提取的关键帧。

在一些实施例中，正类别信息和负类别信息分别为包括预设数量个元素的向量，正样本图片对应的向量中的目标元素用于表征正样本图片属于对应的图片类别，负样本图片对应的向量中的目标元素用于表征负样本图片不属于对应的图片类别，目标元素为向量中的元素位置中，位于预先与向量对应的图片类别建立对应关系的元素位置处的元素，向量对应的图片类别为向量对应的样本图片所属的样本图片集对应的图片类别。

在一些实施例中，初始模型为卷积神经网络模型，包括特征提取层和分类层，分类层包括预设数量个权重数据，权重数据对应于预设的图片类别，用于确定输入的图片所属的类别的概率。

在一些实施例中，训练单元进一步被配置成：固定预设数量个权重数据中的、除样本图片集对应的图片类别所对应的权重数据之外的其他权重数据，以及调整样本图片集对应的图片类别所对应的权重数据，以对初始模型进行训练。

第四方面，本公开的实施例提供了一种用于生成图片的类别标签集合的装置，该装置包括：获取单元，被配置成获取待分类图片；生成单元，被配置成将待分类图片输入预先训练的图片标签模型，生成类别标签集合，其中，类别标签对应于预设的图片类别，用于表征待分类图片属于类别标签对应的图片类别，图片标签模型是根据权利要求1-7之一的方法生成的。

第五方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面或第二方面中任一实现方式描述的方法。

第六方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面或第二方面中任一实现方式描述的方法。

本公开的实施例提供的用于生成图片标签模型的方法和装置，通过获取至少两个样本图片集，其中，样本图片集对应于预设的图片类别，样本图片集包括正样本图片和负样本图片，正样本图片对应于正类别信息，负样本图片对应于负类别信息；然后将正样本图片作为输入，将正类别信息作为期望输出，将负样本图片作为输入，将负类别信息作为期望输出，对初始模型进行训练，最终训练得到图片标签模型，由于正类别信息和负类别信息是针对单个类别的信息，因此，本公开的实施例可以不使用标注为多标签的类别信息，而只需使用标注为单标签的类别信息进行训练，得到可以进行多标签分类的图片标签模型，从而利用单标签分类简便、有针对性的特点，提高了模型训练的灵活性，以及有助于提高利用图片标签模型对图片分类的准确性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的实施例的用于生成图片标签模型的方法的一个实施例的流程图；

图3是根据本公开的实施例的用于生成图片标签模型的方法的一个应用场景的示意图；

图4是根据本公开的实施例的用于生成图片的类别标签集合的方法一个实施例的流程图；

图5是根据本公开的实施例的用于生成图片标签模型的装置的一个实施例的结构示意图；

图6是根据本公开的实施例的用于生成图片的类别标签集合的装置的一个实施例的结构示意图；

图7是适于用来实现本公开的实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关公开，而非对该公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关公开相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的实施例的用于生成图片标签模型的方法或用于生成图片标签模型的装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如图像处理应用、网页浏览器应用、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备。当终端设备101、102、103为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如利用终端设备101、102、103上传的样本图片集进行模型训练的后台模型服务器。后台模型服务器可以利用获取的至少两个样本图片集进行模型训练，生成图片标签模型，还可以将图片标签模型发送到终端设备，或者利用图片标签模型对待分类图片进行处理，得到待分类图片的标签。

需要说明的是，本公开的实施例所提供的用于生成图片标签模型的方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应地，用于生成图片标签模型的装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。此外，本公开的实施例所提供的用于生成图片的类别标签集合的方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应地，用于生成图片的类别标签集合的装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。在训练模型所需的样本图片集不需从远程获取，或者待分类图片不需从远程获取的情况下，上述系统架构可以不包括网络，而只需服务器或终端设备。

继续参考图2，示出了根据本公开的用于生成图片标签模型的方法的一个实施例的流程200。该用于生成图片标签模型的方法，包括以下步骤：

步骤201，获取至少两个样本图片集。

在本实施例中，用于生成图片标签模型的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从远程获取至少两个样本图片集，或从本地获取至少两个样本图片集。其中，样本图片集对应于预设的图片类别，样本图片集包括属于对应的图片类别的正样本图片(即正样本图片中包含属于对应的图片类别指示的物体种类的物体的图像)和不属于对应的图片类别的负样本图片(即负样本图片中不包含属于对应的图片类别指示的物体种类的物体的图像)，正样本图片对应于预先标注的正类别信息，负样本图片对应于预先标注的负类别信息。

具体地，正类别信息和负类别信息可以包括如下至少一种形式的信息：文字、数字、符号等。例如，当某个样本图片集中的正样本图片包括海边图像时，正类别信息可以为“海边”，负类别信息可以为“非海边”。

在本实施例的一些可选的实现方式中，上述至少两个样本图片集可以由上述执行主体或其他电子设备预先按照如下步骤得到：

首先，获取至少两个样本视频集。具体地，上述执行主体或其他电子设备可以从远程或从本地获取至少两个样本视频集。其中，样本视频集对应于预设的视频类别，样本视频集包括属于对应的视频类别的正样本视频和不属于对应的视频类别的负样本视频，正样本视频对应于预先被标注的正类别信息，负样本视频对应于预先被标注的负类别信息。需要说明的是，这里的正样本视频和负样本视频包括含有至少两个图像的图像序列。

然后，对于至少两个样本视频集中的样本视频集，上述执行主体或其他电子设备可以执行如下步骤：

步骤一，从该样本视频集包括的正样本视频中提取视频帧作为正样本图片，以及将正样本视频对应的正类别信息确定为所提取的正样本图片的正类别信息。

步骤二，从该样本视频集包括的负样本视频中提取视频帧作为负样本图片，以及将负样本视频对应的负类别信息确定为所提取的负样本图片的负类别信息。

具体地，上述步骤一和步骤二中，上述执行主体或其他电子设备可以按照各种方式从样本视频中提取视频帧。作为示例，可以按照预设的播放时间间隔从样本视频中提取视频帧。或者，将技术人员进行的提取视频帧操作所指定的视频帧提取出来。

在本实施例的一些可选的实现方式中，正样本视频和负样本视频是压缩后(即对原始的图像序列进行编码)的视频，正样本图片是从正样本视频中提取的关键帧，负样本图片是从负样本视频中提取的关键帧。其中，关键帧(又称为i帧)是在压缩后的视频中，完整保留图像数据的帧，在对关键帧进行解码时，只需要本帧的图像数据就可以完成解码。通过提取关键帧，可以提高从样本视频中提取视频帧作为样本图片的效率。由于一个视频中的各个关键帧之间的相似性较小，因此可以使得样本图片集包括的样本图片更加丰富。

需要说明的是，从视频中提取关键帧的方法是目前广泛研究和应用的公知技术，在此不再赘述。

步骤三，将所提取的正样本图片和负样本图片的集合确定为样本图片集。

通过执行上述步骤一-步骤三，可以根据样本视频集生成样本图片集，由于样本视频集是预先确定的，因此可以简化生成样本图片集的过程。并且样本视频中的各个帧是相互关联的，因此，对于一个样本图片集，其中包括的正样本图片之间，以及负样本之间的具有一定的相似性，从而可以提高训练得到的图片标签模型对图片进行分类的准确性。

在本实施例的一些可选的实现方式中，正类别信息和负类别信息分别为包括预设数量个元素的向量，正样本图片对应的向量中的目标元素用于表征正样本图片属于对应的图片类别，负样本图片对应的向量中的目标元素用于表征负样本图片不属于对应的图片类别。目标元素为向量中的元素位置中，位于预先与向量对应的图片类别建立对应关系的元素位置处的元素。向量对应的图片类别为向量对应的样本图片所属的样本图片集对应的图片类别。

作为示例，假设预设数量为100，对于一个样本图片集，该样本图片集对应的图片类别为海边类，则该样本图片集中的正样本图片对应的正类别信息可以是向量(1,0,0,0，…，0)，该向量包括100个元素，其中第一个元素对应于海边类。这里，数字1表示图片属于海边类，其他的元素0表示图片不属于0所在的元素位置对应的图片类别。相应地，负类别信息可以是向量(0,0,0,0，…，0)。需要说明的是，其他元素也可以是其他数值，不限于0。使用向量形式标注的类别信息通常用于训练多标签分类模型，由于这里的一个向量用于表征一个图片是否属于一个图片类别，因此，本实现方式的类别信息可以看做单标签。在利用某个样本图片集进行训练时，可以采用单标签模型的训练方法，有利于简化训练步骤。

通过使用向量表征类别信息，还可以灵活地对图片标签模型识别的图片类别进行扩展。例如，假设预设数量为100个，即模型最多能够识别100个类别的图片。实际应用中，只需识别10个图片类别，向量中的第1到第10个元素分别对应于预设的图片类别。当需要使图片标签模型能够识别更多类别的图片时，只需设置其他元素对应的图片类别，从而可以灵活地对图片标签模型的识别能力进行扩展。

步骤202，从至少两个样本图片集中选择样本图片集，利用所选择的样本图片集，执行如下训练步骤：利用机器学习方法，将样本图片集包括的正样本图片作为输入，将与输入的正样本图片对应的正类别信息作为期望输出，将样本图片集中的负样本图片作为输入，将与输入的负样本图片对应的负类别信息作为期望输出，训练初始模型；确定至少两个样本图片集中是否包括未被选择的样本图片集；响应于确定不包括，确定最近一次训练后的初始模型为图片标签模型。

在本实施例中，上述执行主体可以执行如下子步骤：

步骤2021，从至少两个样本图片集中选择样本图片集。

具体地，上述执行主体可以按照各种方式选择样本图片集，例如随机选择，按照预先设置的各个样本图片集的编号顺序选择等。

接着，利用所选择的样本图片集，执行如下训练步骤(包括步骤2022-步骤2024)。

步骤2022，利用机器学习方法，将样本图片集包括的正样本图片作为输入，将与输入的正样本图片对应的正类别信息作为期望输出，将样本图片集中的负样本图片作为输入，将与输入的负样本图片对应的负类别信息作为期望输出，训练初始模型。

具体地，初始模型可以是各种类型的模型，例如循环神经网络模型、卷积神经网络模型等。在训练初始模型的过程中，针对每次训练输入的正样本图片或负样本图片，可以得到实际输出。其中，实际输出是初始模型实际输出的数据，用于表征类别信息。然后，上述执行主体可以采用梯度下降法，基于实际输出和期望输出，调整初始模型的参数，将每次调整参数后得到的模型作为下次训练的初始模型，并在满足预设的结束条件的情况下，结束针对一个样本图片集的训练。需要说明的是，这里预设的训练结束条件可以包括但不限于以下至少一项：训练时间超过预设时长；训练次数超过预设次数；利用预设的损失函数(例如交叉熵损失函数)计算所得的损失值小于预设损失值阈值。

作为一个示例，初始模型可以包括至少两个二分类模型，每个二分类模型对应于一个样本图片集。对于某个二分类模型，该二分类模型可以基于对应的样本图片集包括的正样本图片和负样本图片训练得到。最终训练完成的该二分类模型，可以确定输入的图片是否属于该二分类模型对应的图片类别，如果确定属于，则生成用于表征该二分类模型对应的图片类别的标签。从而，最终利用训练完成的图片标签模型进行图片分类时，可以生成用于表征图片类别的至少一个标签，实现多标签分类的效果。

在本实施例的一些可选的实现方式中，初始模型为卷积神经网络模型，包括特征提取层和分类层，分类层包括预设数量个权重数据，权重数据对应于预设的图片类别，用于确定输入的图片所属的类别的概率。通常，特征提取层可以包括卷积层、池化层等，用于生成图片的特征数据，特征数据可以用于表征诸如图片中的图像的颜色、形状等特征。分类层包括全连接层，全连接用于根据特征提取层输出的特征数据生成一个特征向量(例如2048维的向量)。权重数据包括权重系数，权重系数可以与特征数据相乘，权重数据还可以包括偏置值，利用权重系数和偏置值可以得到该权重数据对应的概率值，该概率值用于表征输入的图片属于该权重数据对应的图片类别的概率。

在本实施例的一些可选的实现方式中，上述执行主体可以按照如下步骤训练初始模型：

固定预设数量个权重数据中的、除样本图片集对应的图片类别所对应的权重数据之外的其他权重数据，以及调整样本图片集对应的图片类别所对应的权重数据，以对初始模型进行训练。

具体地，对于一个样本图片集，固定该样本图片集对应的权重数据之外的其他权重数据，可以采用二分类模型的训练方法，调整该样本图片集对应的权重数据。从而使该样本图片集对应的权重数据最优。需要说明的是，训练二分类模型的方法是目前广泛研究和应用的公知技术，在此不再赘述。通过本实现方式，可以使得图片标签模型包括的权重数据彼此独立，在使用一个样本图片集进行训练时，不影响其他权重数据，从而使得最终得到的图片标签模型更加准确地对图片进行分类。由于采用了多个权重数据，最终得到的图片标签模型可以对输入其中的图片进行多个图片类别的划分，实现了多标签分类的效果。

步骤2023，确定至少两个样本图片集中是否包括未被选择的样本图片集。

步骤2024，响应于确定不包括，确定最近一次训练后的初始模型为图片标签模型。

在本实施例的一些可选的实现方式中，上述执行主体可以响应于确定至少两个样本图片集中包括未被选择的样本图片集，从未被选择的样本图片集中重新选择样本图片集，利用重新选择的样本图片集和最近一次训练后的初始模型，继续执行上述训练步骤(即步骤2022-步骤2024)。其中，从未被选择的样本图片集中重新选择样本图片集的方式，可以是随机选择或按照样本图片集的编号顺序选择，这里不做限定。

按照上述各步骤训练得到的图片标签模型，可以用于确定输入的图片属于各个预设的图片类别的概率值，如果某个概率值大于等于预设的概率阈值，则生成用于表征输入的图片属于该概率值对应的图片类别的类别标签。在实际应用中，图片标签模型可以输出类别标签集合，每个类别标签对应于一个预设的图片类别，用于表征输入图片标签模型的图片属于该图片类别。由此，训练得到的图片标签模型为多标签分类模型。

继续参见图3，图3是根据本实施例的用于生成图片标签模型的方法的应用场景的一个示意图。在图3的应用场景中，电子设备301首先获取至少两个样本图片集302。其中，每个样本图片集对应于预设的图片类别，样本图片集包括属于对应的图片类别的正样本图片和不属于对应的图片类别的负样本图片，正样本图片对应于预先标注的正类别信息，负样本图片对应于预先标注的负类别信息。例如，样本图片集3021对应于图片类别“海边”，样本图片集3022对应于图片类别“酒店”。样本图片集3021中包括的每个正样本图片对应的正类别信息为向量(1,0,0，…)，包括的每个负样本图片对应的负类别信息为向量(0,0,0，…)。样本图片集3022中包括的每个正样本图片对应的正类别信息为向量(0,1,0，…)，包括的每个负样本图片对应的负类别信息为向量(0,0,0，…)。其中，向量中的每个元素位置对应于一个图片类别。

然后，电子设备301从上述至少两个样本图片集302中，按照预先设置的、样本图片集的编号顺序，依次选择样本图片集，利用所选择的样本图片集，执行如下训练步骤：利用机器学习方法，将样本图片集包括的正样本图片作为输入，将与输入的正样本图片对应的正类别信息作为期望输出，将样本图片集中的负样本图片作为输入，将与输入的负样本图片对应的负类别信息作为期望输出，训练初始模型303。图中所示为使用样本图片集3021训练初始模型303。初始模型303在每次使用样本图片训练后，保留调整后的参数，继续使用其他样本图片训练。每次利用样本图片集训练结束后，电子设备301确定至少两个样本图片集302中是否包括未选择的样本图片集，如果不包括，即全部样本图片集都已用于训练，确定最近一次训练后的初始模型为图片标签模型304。

本公开的上述实施例提供的方法，通过获取至少两个样本图片集，其中，样本图片集对应于预设的图片类别，样本图片集包括正样本图片和负样本图片，正样本图片对应于正类别信息，负样本图片对应于负类别信息；然后将正样本图片作为输入，将正类别信息作为期望输出，将负样本图片作为输入，将负类别信息作为期望输出，对初始模型进行训练，最终训练得到图片标签模型，由于正类别信息和负类别信息是针对单个类别的信息，因此，本公开的实施例可以不使用标注为多标签的类别信息，而只需使用标注为单标签的类别信息进行训练，得到可以进行多标签分类的图片标签模型，从而利用单标签分类简便、有针对性的特点，提高了模型训练的灵活性，以及有助于提高利用图片标签模型对图片分类的准确性。

进一步参考图4，其示出了用于生成图片的类别标签集合的方法的一个实施例的流程400。该用于生成图片的类别标签集合的方法的流程400，包括以下步骤：

步骤401，获取待分类图片。

在本实施例中，用于生成图片的类别标签集合的方法的执行主体(如图1所示的服务器或终端设备)可以从本地或从远程获取待分类图片。其中，待分类图片是待对其进行分类的图片。

步骤402，将待分类图片输入预先训练的图片标签模型，生成类别标签集合。

在本实施例中，上述执行主体可以将待分类图片输入预先训练的图片标签模型，生成类别标签集合。其中，类别标签对应于预设的图片类别，用于表征待分类图片属于类别标签对应的图片类别。

类别标签可以是各种形式的标签，包括但不限于以下至少一种：文字、数字、符号等。

在本实施例中，图片标签模型是根据上述图2对应实施例描述的方法生成的，具体可以参见图2对应实施例描述的各步骤，这里不再赘述。

通常，生成的类别标签集合可以与待分类图片关联存储。例如，可以将类别标签集合作为待分类图片的属性信息，存储到待分类图片的属性信息集合中。从而可以增加表征待分类图片的属性的全面性。属性信息集合可以包括但不限于以下至少一种属性信息：待分类图片的名称、大小、生成时间等。

可选的，生成的类别标签集合可以按照各种方式输出，例如，将类别标签集合显示在上述执行主体包括的显示屏上。或者，将类别标签集合发送到与上述执行主体通信连接的其他电子设备上。

本公开的上述实施例提供的方法，通过使用图2对应实施例生成的图片标签模型，对待分类图片进行分类，生成待分类图片的类别标签集合，从而利用由单标签样本训练，生成用于多标签分类的图片标签模型，提高了对图片分类的准确性和效率。

进一步参考图5，作为对上述图2所示方法的实现，本公开提供了一种用于生成图片标签模型的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于生成图片标签模型的装置500包括：获取单元501，被配置成获取至少两个样本图片集，其中，样本图片集对应于预设的图片类别，样本图片集包括属于对应的图片类别的正样本图片和不属于对应的图片类别的负样本图片，正样本图片对应于预先被标注的正类别信息，负样本图片对应于预先标注的负类别信息；训练单元502，被配置成从至少两个样本图片集中选择样本图片集，利用所选择的样本图片集，执行如下训练步骤：利用机器学习方法，将样本图片集包括的正样本图片作为输入，将与输入的正样本图片对应的正类别信息作为期望输出，将样本图片集中的负样本图片作为输入，将与输入的负样本图片对应的负类别信息作为期望输出，训练初始模型；确定至少两个样本图片集中是否包括未被选择的样本图片集；响应于确定不包括，确定最近一次训练后的初始模型为图片标签模型。

在本实施例中，获取单元501可以通过有线连接方式或者无线连接方式从远程获取至少两个样本图片集，或从本地获取至少两个样本图片集。其中，样本图片集对应于预设的图片类别，样本图片集包括属于对应的图片类别的正样本图片(即正样本图片中包含属于对应的图片类别指示的物体种类的物体的图像)和不属于对应的图片类别的负样本图片(即负样本图片中不包含属于对应的图片类别指示的物体种类的物体的图像)，正样本图片对应于预先标注的正类别信息，负样本图片对应于预先标注的负类别信息。

具体地，正类别信息和负类别信息可以包括如下至少一种形式的信息：文字、数字、符号等。例如，当某个样本图片集中的正样本图片包括海边图像时，正类别信息可以为“海边”，负类别信息可以为“非海边”。

在本实施例中，训练单元502可以执行如下子步骤：

步骤5021，从至少两个样本图片集中选择样本图片集。

具体地，上述训练单元502可以按照各种方式选择样本图片集，例如随机选择，按照预先设置的各个样本图片集的编号顺序选择等。

接着，利用所选择的样本图片集，执行如下训练步骤(包括步骤5022-步骤5024)。

步骤5022，利用机器学习方法，将样本图片集包括的正样本图片作为输入，将与输入的正样本图片对应的正类别信息作为期望输出，将样本图片集中的负样本图片作为输入，将与输入的负样本图片对应的负类别信息作为期望输出，训练初始模型。

具体地，初始模型可以是各种类型的模型，例如循环神经网络模型、卷积神经网络模型等。在训练初始模型的过程中，针对每次训练输入的正样本图片或负样本图片，可以得到实际输出。其中，实际输出是初始模型实际输出的数据，用于表征类别信息。然后，上述训练单元502可以采用梯度下降法，基于实际输出和期望输出，调整初始模型的参数，将每次调整参数后得到的模型作为下次训练的初始模型，并在满足预设的结束条件的情况下，结束针对一个样本图片集的训练。需要说明的是，这里预设的训练结束条件可以包括但不限于以下至少一项：训练时间超过预设时长；训练次数超过预设次数；利用预设的损失函数(例如交叉熵损失函数)计算所得的损失值小于预设损失值阈值。

作为一个示例，初始模型可以包括至少两个二分类模型，每个二分类模型对应于一个样本图片集。对于某个二分类模型，该二分类模型可以基于对应的样本图片集包括的正样本图片和负样本图片训练得到。最终训练完成的该二分类模型，可以确定输入的图片是否属于该二分类模型对应的图片类别，如果确定属于，则生成用于表征该二分类模型对应的图片类别的标签。从而，最终利用训练完成的图片标签模型进行图片分类时，可以生成用于表征图片类别的至少一个标签，实现多标签分类的效果。

步骤5023，确定至少两个样本图片集中是否包括未被选择的样本图片集。

步骤5024，响应于确定不包括，确定最近一次训练后的初始模型为图片标签模型。

在本实施例的一些可选的实现方式中，该装置500还可以包括：选择单元(图中未示出)，被配置成响应于确定至少两个样本图片集中包括未被选择的样本图片集，从未被选择的样本图片集中重新选择样本图片集，利用重新选择的样本图片集和最近一次训练后的初始模型，继续执行训练步骤。

在本实施例的一些可选的实现方式中，至少两个样本图片集预先按照如下步骤得到：获取至少两个样本视频集，其中，样本视频集对应于预设的视频类别，样本视频集包括属于对应的视频类别的正样本视频和不属于对应的视频类别的负样本视频，正样本视频对应于预先被标注的正类别信息，负样本视频对应于预先被标注的负类别信息；对于至少两个样本视频集中的样本视频集，从该样本视频集包括的正样本视频中提取视频帧作为正样本图片，以及将正样本视频对应的正类别信息确定为所提取的正样本图片的正类别信息；从该样本视频集包括的负样本视频中提取视频帧作为负样本图片，以及将负样本视频对应的负类别信息确定为所提取的负样本图片的负类别信息；将所提取的正样本图片和负样本图片的集合确定为样本图片集。

在本实施例的一些可选的实现方式中，正样本视频和负样本视频是压缩后的视频，正样本图片是从正样本视频中提取的关键帧，负样本图片是从负样本视频中提取的关键帧。

在本实施例的一些可选的实现方式中，正类别信息和负类别信息分别为包括预设数量个元素的向量，正样本图片对应的向量中的目标元素用于表征正样本图片属于对应的图片类别，负样本图片对应的向量中的目标元素用于表征负样本图片不属于对应的图片类别，目标元素为向量中的元素位置中，位于预先与向量对应的图片类别建立对应关系的元素位置处的元素，向量对应的图片类别为向量对应的样本图片所属的样本图片集对应的图片类别。

在本实施例的一些可选的实现方式中，初始模型为卷积神经网络模型，包括特征提取层和分类层，分类层包括预设数量个权重数据，权重数据对应于预设的图片类别，用于确定输入的图片所属的类别的概率。

在本实施例的一些可选的实现方式中，训练单元502可以进一步被配置成：固定预设数量个权重数据中的、除样本图片集对应的图片类别所对应的权重数据之外的其他权重数据，以及调整样本图片集对应的图片类别所对应的权重数据，以对初始模型进行训练。

本公开的上述实施例提供的装置500，通过获取至少两个样本图片集，其中，样本图片集对应于预设的图片类别，样本图片集包括正样本图片和负样本图片，正样本图片对应于正类别信息，负样本图片对应于负类别信息；然后将正样本图片作为输入，将正类别信息作为期望输出，将负样本图片作为输入，将负类别信息作为期望输出，对初始模型进行训练，最终训练得到图片标签模型，由于正类别信息和负类别信息是针对单个类别的信息，因此，本公开的实施例可以不使用标注为多标签的类别信息，而只需使用标注为单标签的类别信息进行训练，得到可以进行多标签分类的图片标签模型，从而利用单标签分类简便、有针对性的特点，提高了模型训练的灵活性，以及有助于提高利用图片标签模型对图片分类的准确性。

进一步参考图6，作为对上述图4所示方法的实现，本公开提供了一种用于生成图片的类别标签集合的装置的一个实施例，该装置实施例与图4所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的用于生成图片标签模型的装置600包括：

获取单元601，被配置成获取待分类图片；生成单元602，被配置成将待分类图片输入预先训练的图片标签模型，生成类别标签集合，其中，类别标签对应于预设的图片类别，用于表征待分类图片属于类别标签对应的图片类别，图片标签模型是根据上述图2对应实施例描述的方法生成的。

在本实施例中，获取单元601可以从本地或从远程获取待分类图片。其中，待分类图片是待对其进行分类的图片。

在本实施例中，生成单元602可以将待分类图片输入预先训练的图片标签模型，生成类别标签集合。其中，类别标签对应于预设的图片类别，用于表征待分类图片属于类别标签对应的图片类别。

类别标签可以是各种形式的标签，包括但不限于以下至少一种：文字、数字、符号等。

在本实施例中，图片标签模型是根据上述图2对应实施例描述的方法生成的，具体可以参见图2对应实施例描述的各步骤，这里不再赘述。

通常，生成的类别标签集合可以与待分类图片关联存储。例如，可以将类别标签集合作为待分类图片的属性信息，存储到待分类图片的属性信息集合中。从而可以增加表征待分类图片的属性的全面性。属性信息集合可以包括但不限于以下至少一种属性信息：待分类图片的名称、大小、生成时间等。

可选的，生成的类别标签集合可以按照各种方式输出，例如，将类别标签集合显示在上述装置600包括的显示屏上。或者，将类别标签集合发送到与上述装置600通信连接的其他电子设备上。

本公开的上述实施例提供的装置，通过使用图2对应实施例生成的图片标签模型，对待分类图片进行分类，生成待分类图片的类别标签集合，从而利用由单标签样本训练，生成用于多标签分类的图片标签模型，提高了对图片分类的准确性和效率。

下面参考图7，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)700的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储装置708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、rom702以及ram703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。

通常，以下装置可以连接至i/o接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从rom702被安装。在该计算机程序被处理装置701执行时，执行本公开的实施例的方法中限定的上述功能。

需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个样本图片集，其中，样本图片集对应于预设的图片类别，样本图片集包括属于对应的图片类别的正样本图片和不属于对应的图片类别的负样本图片，正样本图片对应于预先被标注的正类别信息，负样本图片对应于预先标注的负类别信息；从至少两个样本图片集中选择样本图片集，利用所选择的样本图片集，执行如下训练步骤：利用机器学习方法，将样本图片集包括的正样本图片作为输入，将与输入的正样本图片对应的正类别信息作为期望输出，将样本图片集中的负样本图片作为输入，将与输入的负样本图片对应的负类别信息作为期望输出，训练初始模型；确定至少两个样本图片集中是否包括未被选择的样本图片集；响应于确定不包括，确定最近一次训练后的初始模型为图片标签模型。

此外，当上述一个或者多个程序被该电子设备执行时，还可以使得该电子设备：获取待分类图片；将待分类图片输入预先训练的图片标签模型，生成类别标签集合。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、训练单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取至少两个样本图片集的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。