(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210441457.0 (22)申请日 2022.04.25 (71)申请人 北京沃东天骏信息技 术有限公司 地址 100176 北京市北京经济技 术开发区 科创十一 街18号院2号楼4层A402室 申请人 北京京东世纪贸易有限公司 (72)发明人 刘犇　王刚　刘旭　 (74)专利代理 机构 中原信达知识产权代理有限 责任公司 1 1219 专利代理师 孙磊　韩黎捷 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/583(2019.01) G06V 10/40(2022.01) G06V 10/74(2022.01)G06V 10/774(2022.01) G06K 9/62(2022.01) (54)发明名称 一种对象信息处理、 信息推送方法、 装置和 系统 (57)摘要 本发明公开了一种对象信息处理、 信息推送 方法、 装置和系统， 涉及人工智能领域。 该方法的 一具体实施方式包括： 能够利用训练好的图像关 系模型， 确定待处理的对象图像与归属于相同对 象类别的多个对比图像的图像特征的相似度， 根 据相似度确定与待处理的对象图像具有相似关 系的目标对象信息； 其中， 图像关系模型是通过 对比自监督训练样本集合训练得到， 通过对比自 监督训练样 本集合训练图像关系模 型， 提高了训 练图像关系模型的效率 以及图像关系模型输出 相似度的准确性， 从而提高了获取具有相似关系 的目标对象信息的准确率和效率。 权利要求书3页 说明书11页 附图5页 CN 114780847 A 2022.07.22 CN 114780847 A 1.一种处 理对象信息的方法， 其特 征在于， 包括： 获取目标对象信息， 所述目标对象信息包括对象归属的对象类别以及对象图像； 将所述对象图像、 以及归属于所述对象类别的多个对比图像输入训练好的图像关系 模 型， 所述训练好的图像 关系模型通过对比自监督学习训练样本集合训练所得， 其中， 所述训 练样本集合包括有由第一训练用图像生成的正例样本对以及与所述第一训练用图像存在 特征差异的负例样本； 利用所述图像关系模型输出的所述对象图像与多个对比图像的相似度， 为所述目标对 象信息确定相似信息 。 2.根据权利要求1所述的方法， 其特 征在于， 还 包括： 利用所述图像关系模型包括的图像特征提取模型， 为初始训练样本集合中的每一个训 练用图像生成对应的样本对， 其中， 任意一个所述训练用图像作为所述第一训练用图像， 所 述第一训练用图像对应的样本对为所述正例样本对， 所述初始训练样本集合中所述第一训 练用图像之外的其 他训练用图像的样本对中的样本为所述第一训练用图像的负例样本； 利用所述图像关系模型包括的模型损 失函数、 所述正例样本对以及负例样本， 计算损 失值； 根据计算出的所述损失值调整所述图像特 征提取模型。 3.根据权利要求2所述的方法， 其特 征在于， 进一 步包括： 为属于同一对象类别的多个训练用图像划分出多个对象属性； 将属于同一所述对象属性对应的多个训练用图像存 储到一个属性样本 子集； 对至少两个所述对象属性对应的属性样本 子集组合， 构成所述初始训练样本集 合。 4.根据权利要求2所述的方法， 其特征在于， 所述利用所述图像关系模型包括的图像特 征提取模型， 为初始训练样本集 合中的每一个训练用图像生成对应的样本对， 包括： 将所述初始训练样本集合输入所述图像特征提取模型； 并利用所述图像特征提取模型 对所述初始训练样本集合中的每一个所述训练用图像进行两次随机失活操作， 生成包括有 第一图像向量和第二图像向量的样本对。 5.根据权利要求 4所述的方法， 其特 征在于， 还 包括： 所述图像关系模型还 包括非线性模型； 利用所述非线性模型优化所述第一图像向量和所述第二图像向量； 并利用优化后的结果构成所述训练样本集 合。 6.根据权利要求 4所述的方法， 其特 征在于， 所述模型损失函数包括： 第 一损失函数、 第二损失函数、 第 三损失函数以及所述第一损 失函数、 所述第二损失函数、 所述第三损失函数之间的计算关系； 所述计算损失值， 包括： 利用所述第一损失函数计算所述样本对中第一图片向量与第二图片向量叠加的交叉 熵； 利用所述第二损失函数计算所述样本对中第一图片向量与第二图片向量之间的相对 熵； 利用所述第三损失函数计算正例样本的图片向量相似度和所述正例样本对应的多个 负例样本的图片向量相似度的噪音对比估计；权　利　要　求　书 1/3 页 2 CN 114780847 A 2所述利用所述交叉熵、 所述相对熵、 所述噪音对比估计之间的计算关系计算所述损 失 值。 7.一种基于权利要求1 ‑6任一所述处理对象信息的方法实现的信息推送方法， 其特征 在于， 包括： 获取所述目标对象信息对应的多条相似信息； 根据预设的推送策略， 从所述多条相似信息中筛 选出一条或多条待推送信息； 将一条或多条 所述待推送信息推送给客户端。 8.根据权利要求7 所述的方法， 其特 征在于， 所述推送策略包括： 获取所述对象图像与多个对比图像的图片相似度； 筛选出所述图片相似度不小于设定 图片相似阈值的多个对比图像， 确定所述对比图像对应的相似信息 。 9.根据权利要求7 所述的方法， 其特 征在于， 所述从所述多条相似信息中筛 选出一条或多条待推送信息， 包括： 针对所述相似信息为相似图片的情况， 获取每一个相似图片与所述目标对象信息对应的目标图片的图片相似度； 从所述多个相似图片中， 筛选出所述图片相似度不小于设定图片相似阈值的一个或多 个目标图片； 查找各个所述目标图片的关联信息， 将所述目标图片、 对应的所述关联信息作为待推 送信息。 10.一种处理对象信息的装置， 其特征在于， 包括： 获取信息模块和筛选信息模块； 其 中， 所述获取信息模块， 用于获取目标对象信息， 所述目标对象信息包括对象归属的对象 类别以及对象图像； 所述筛选信息模块， 用于将所述对象图像、 以及归属于所述对象类别的多个对比图像 输入训练好的图像关系模型， 所述训练好的图像关系模型通过对比自监督学习训练样本集 合训练所得， 其中， 所述训练样本集合包括有由第一训练用图像生成的正例样本对以及与 所述第一训练用图像存在特征差异的负例样本； 利用所述图像关系模型输出的所述对象图 像与多个对比图像的相似度， 为所述目标对象信息确定相似信息 。 11.一种推送信 息的装置， 其特征在于， 包括： 获取信 息模块、 筛选信 息模块和推送信 息 模块； 其中， 所述获取信息模块， 用于获取 所述目标对象信息对应的多条相似信息； 所述筛选信息模块， 用于根据预设的推送策略， 从所述多条相似信息中筛选出一条或 多条待推送信息； 所述推送信息模块， 用于将一条或多条 所述待推送信息推送给客户端。 12.一种处理对象信息的系统， 其特征在于， 包括： 处理对象信息的装置以及推送信息 的装置； 其中： 利用所述处理对象信 息的装置获取目标对象信 息， 所述目标对象信 息包括对象归属的 对象类别以及对 象图像； 将所述对 象图像的图像特征、 以及归属于所述对 象类别的多个对 比图像的图像特征输入训练好的图像关系模型， 所述训练好的图像关系模 型通过对比自监权　利　要　求　书 2/3 页 3 CN 114780847 A 3