本申请属于人工智能领域，具体涉及一种任务预测方法及其装置。
背景技术：
1、目前，多任务密集预测方法由于可以通过单个神经网络同时进行多个任务的预测，有效提高模型训练和测试的效率，因此被越来越广泛的应用开来。通常，电子设备可以使用混合专家模型来执行上述的多任务密集预测方法，该混合专家模型中包括多个平行的神经网络模块，这些平行的神经网络模块可以被称为专家。电子设备通过混合专家模型，根据不同的样本和任务，可以动态地从多个平行的神经网络模块中激活一部分神经网络模块来处理这一样本和任务，从而提升多任务密集预测中神经网络的容量和提取特征的多样性。
2、然而，在进行多任务密集预测的过程中，一方面，混合专家模型中专家往往仅会注重于某一个样本中的部分任务，容易导致某些专家没有被训练到，造成了资源浪费。另一方面，混合专家模型的性能与专家的数量相关联，越多的专家数量能够有越好的效果。但是，由于专家数量的提升也伴随着混合专家模型参数量和计算量的提升，因此导致混合专家模型难以同时满足模型计算效率的需求和模型性能的需求。如此，导致多任务密集预测的效果较差。
技术实现思路
1、本申请实施例的目的是提供一种任务预测方法及其装置，能够提升多任务密集预测的效果。
2、第一方面，本申请实施例提供了一种任务预测方法，该方法包括：获取第一对象的第一特征信息，并对第一特征信息进行处理，得到至少两个第二特征信息，其中，第一特征信息用于表征第一对象的通用特征，每个第二特征信息用于表征第一对象对应的一个任务；对至少两个第二特征信息进行处理，得到第三特征信息，其中，第三特征信息包括第四特征信息、第五特征信息和第六特征信息；第四特征信息用于表征第一对象对应的至少两个任务间的全局关系，第五特征信息用于表征至少两个任务间的共有特征，第六特征信息用于表征至少两个任务中的每个任务的特定特征，第五特征信息和第六特征信息为基于低秩矩阵对至少两个第二特征信息进行处理得到的；对第四特征信息、第五特征信息和第六特征信息进行处理，得到目标特征信息，目标特征信息用于对第一对象进行任务预测。
3、第二方面，本申请实施例提供了一种任务预测装置，该装置包括：获取模块和处理模块；获取模块，用于获取第一对象的第一特征信息；处理模块，用于对获取模块获取的第一特征信息进行处理，得到至少两个第二特征信息，其中，第一特征信息用于表征第一对象的通用特征，每个第二特征信息用于表征第一对象对应的一个任务；处理模块，还用于对至少两个第二特征信息进行处理，得到第三特征信息，其中，第三特征信息包括第四特征信息、第五特征信息和第六特征信息；第四特征信息用于表征第一对象对应的至少两个任务间的全局关系，第五特征信息用于表征至少两个任务间的共有特征，第六特征信息用于表征至少两个任务中的每个任务的特定特征，第五特征信息和第六特征信息为基于低秩矩阵对至少两个第二特征信息进行处理得到的；处理模块，还用于对第四特征信息、第五特征信息和第六特征信息进行处理，得到目标特征信息，目标特征信息用于对第一对象进行任务预测。
4、第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
5、第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
6、第五方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法。
7、第六方面，本申请实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如第一方面所述的方法。
8、在本申请实施例中，获取第一对象的第一特征信息，并对第一特征信息进行处理，得到至少两个第二特征信息，其中，第一特征信息用于表征第一对象的通用特征，每个第二特征信息用于表征第一对象对应的一个任务；对至少两个第二特征信息进行处理，得到第三特征信息，其中，第三特征信息包括第四特征信息、第五特征信息和第六特征信息；第四特征信息用于表征第一对象对应的至少两个任务间的全局关系，第五特征信息用于表征至少两个任务间的共有特征，第六特征信息用于表征至少两个任务中的每个任务的特定特征，第五特征信息和第六特征信息为通过低秩矩阵进行处理得到的；对第四特征信息、第五特征信息和第六特征信息进行处理，得到目标特征信息，目标特征信息用于对第一对象进行任务预测。通过该方案，在对第一对象进行预测时，一方面，可以获取用于表征第一对象对应的至少两个任务间的全局关系的特征信息，使得多任务密集预测中的多个任务间存在关联，避免资源的浪费。另一方面，可以通过低秩矩阵对特征信息进行处理，以减少进行预测所需的参数量，从而可以在提升多任务密集预测的性能的同时，避免处理效率的下降。如此，提高了多任务密集预测的效果。
1.一种任务预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述至少两个第二特征信息进行处理，得到第三特征信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述至少两个路由值进行线性处理和标准化处理，得到所述第五特征信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述至少两个路由值中的k个路由值，对第七特征信息进行线性处理，得到第八特征信息之前，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.一种任务预测装置，其特征在于，所述装置包括：获取模块和处理模块；
7.根据权利要求6所述的装置，其特征在于，所述处理模块，具体用于：
8.根据权利要求7所述的装置，其特征在于，所述处理模块，具体用于：
9.根据权利要求8所述的装置，其特征在于，所述处理模块，还用于基于所述至少两个路由值中的k个路由值，对第七特征信息进行线性处理，得到第八特征信息之前，通过所述至少两个第二低秩专家模块，对所述至少两个第二特征信息进行卷积处理，得到所述第七特征信息，每个第二低秩专家模块包括至少两个第二低秩专家，每个第二低秩专家对应所述至少两个任务；
10.根据权利要求9所述的装置，其特征在于，
