(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 202210977175.2 (22)申请日 2022.08.15 (71)申请人 浙江网商银行股份有限公司 地址 310012 浙江省杭州市西湖区古 荡街 道西溪路556号阿里中心D幢9层、 E幢 3-8层 (72)发明人 朱禹轲　郭胜　韩冰　 (74)专利代理 机构 北京智信禾专利代理有限公 司 11637 专利代理师 金鹏 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06F 16/35(2019.01) G06F 40/284(2020.01) (54)发明名称 对象分类方法以及装置 (57)摘要 本说明书实施例提供对象分类方法以及装 置， 其中所述对象分类方法包括： 获取待分类对 象； 提取所述待分类对象的特征向量； 对所述特 征向量和查询向量进行多头交叉注 意力运算， 得 到类别向量， 其中， 所述查询向量为对预设的类 别查询向量进行多头自注意力运算得到； 根据所 述类别向量， 确定所述待分类对象的分类结果。 通过对获取的待分类对象进行特征提取， 得到待 分类对象的特征向量， 然后将特征向量与经过多 头自注意力运算得到的查询向量进行多头交叉 注意力运算得到类别向量， 进一步基于类别向 量， 确定出待分类对象的分类结果， 使得确定出 的分类结果的准确率较高。 权利要求书3页 说明书16页 附图9页 CN 115410000 A 2022.11.29 CN 115410000 A 1.一种对象分类方法， 包括： 获取待分类对象； 提取所述待分类对象的特 征向量； 对所述特征向量和查询向量进行多头交叉注意力运算， 得到类别向量， 其中， 所述查询 向量为对预设的类别查询向量进行多头自注意力运 算得到； 根据所述类别向量， 确定所述待分类对象的分类结果。 2.根据权利要求1所述的方法， 所述待分类对象为待分类图像； 所述提取所述待分类对象的特 征向量， 包括： 提取所述待分类图像的图像特 征， 其中， 所述图像特 征包括多个通道； 对所述图像特征进行展平 处理， 获得多个特征向量， 其中， 所述特征向量的维度与所述 通道的数目相同。 3.根据权利要求2所述的方法， 所述待分类图像为商品图像； 所述提取所述待分类图像的图像特 征， 包括： 提取所述商品图像中的商品特 征； 所述根据所述类别向量， 确定所述待分类对象的分类结果， 包括： 根据所述类别向量， 确定所述商品图像的商品类别。 4.根据权利要求1所述的方法， 所述待分类对象为待分类文本； 所述提取所述待分类对象的特 征向量， 包括： 提取所述待分类文本的文本特 征， 其中， 所述文本特 征包括多个通道； 对所述文本特征进行处理， 获得多个特征向量， 其中， 所述特征向量的维度与所述通道 的数目相同， 所述特 征向量的数目与所述文本特 征的长度相同。 5.根据权利要求 4所述的方法， 所述待分类文本为商品描述文本； 所述提取所述待分类文本的文本特 征， 包括： 提取所述商品描述文本中的商品特 征； 所述根据所述类别向量， 确定所述待分类对象的分类结果， 包括： 根据所述类别向量， 确定所述商品描述文本的商品类别。 6.根据权利要求1所述的方法， 所述对所述特征向量和查询向量进行多头交叉注意力 运算， 得到类别向量， 包括： 根据所述特 征向量， 确定目标键向量和目标值向量； 对所述目标键向量、 所述目标值向量与查询向量进行多头交叉注意力运算， 得到类别 向量。 7.根据权利要求1 ‑6中任一项所述的方法， 所述提取所述待分类对象的特征向量， 包 括： 将所述待分类对象输入特 征提取网络， 获得 所述待分类对象的特 征向量； 所述对所述特 征向量和查询向量进行多头交叉注意力运 算， 得到类别向量， 包括： 将所述特征向量输入任务分类网络， 经所述任务分类网络中的多头交叉注意力层， 对 所述特征向量和查询向量进行多头交叉注意力运算， 得到类别向量， 其中， 所述查询向量为 所述任务分类网络中的多头 自注意力层对预设的类别查询向量进行多头 自注意力运算得 到；权　利　要　求　书 1/3 页 2 CN 115410000 A 2所述根据所述类别向量， 确定所述待分类对象的分类结果， 包括： 经所述任务分类网络中的全连接层， 对所述类别向量进行处理， 获得所述待分类对象 的分类结果。 8.根据权利要求7所述的方法， 在所述将所述待分类对象输入特征提取网络， 获得所述 待分类对象的特 征向量之前， 还 包括： 获取样本对象集， 其中， 所述样本对象集包括多个样本对象， 各样本对象中携带有类别 标签； 提取第一样本对象， 将所述第一样本对象输入特征提取网络， 获得所述第一样本对象 的样本特 征向量， 其中， 所述第一样本对象为所述样本对象集中的任一个样本对象； 将所述样本特征向量输入任务分类网络， 经所述任务分类网络中的多头交叉注意力 层， 对所述样本特征向量和查询向量进行多头交叉注意力运算， 得到样本类别向量， 其中， 所述查询向量为所述任务分类网络中的多头 自注意力层对预设的类别查询向量进行多头 自注意力运 算得到； 经所述任务分类网络中的全连接层， 对所述样本类别向量进行处理， 获得所述第一样 本对象的分类结果； 将所述第一样本对象的分类结果与 所述第一样本对象的类别标签进行比对， 确定损失 值； 基于所述损失值， 调整所述特征提取网络、 所述多头交叉注意力层、 所述多头自注意力 层和所述全连接层的网络参数， 并返回执 行所述提取第一样本对象的步骤； 在达到训练停止条件的情况下， 确定所述特征提取网络、 所述多头交叉注意力层、 所述 多头自注意力层和所述全连接层完成训练， 获得训练后的分类模型。 9.根据权利要求8所述的方法， 在初始训练 的情况下， 所述预设的类别查询向量为随机 初始化得到； 在所述将所述第一样本对象的分类结果与 所述第一样本对象的类别标签进行比对， 确 定损失值之后， 还 包括： 基于所述损失值， 对所述类别查询向量进行 更新。 10.根据权利要求1所述的方法， 所述根据所述类别向量， 确定所述待分类对象的分类 结果， 包括： 根据所述类别向量， 确定所述待分类对象的多个分类信 息， 其中， 所述分类信 息包括多 个类别的置信度； 对所述多个分类信息进行拼接， 得到拼接向量； 根据所述 拼接向量中各类别的置信度， 确定所述待分类对象的分类结果。 11.一种对象分类装置， 包括： 获取模块， 被 配置为获取待分类对象； 提取模块， 被 配置为提取所述待分类对象的特 征向量； 运算模块， 被配置为对所述特征向量和查询向量进行多头交叉注意力运算， 得到类别 向量， 其中， 所述 查询向量 为对预设的类别查询向量进行多头自注意力运 算得到； 确定模块， 被 配置为根据所述类别向量， 确定所述待分类对象的分类结果。 12.一种计算设备， 包括：权　利　要　求　书 2/3 页 3 CN 115410000 A 3