[發明專利]一種基于屬性判別的自動圖像標注方法

有效

• 申請號: 201610036626.7
• 申請日: 2016-01-20
• 公開（公告）號: CN105701516B
• 公開（公告）日: 2019-01-22
• 發明（設計）人: 柯逍;周銘柯;杜明智
• 申請（專利權）人: 福州大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊

1.一種基于屬性判別的自動圖像標注方法，其特征在于，按照如下步驟實現：

步驟S1：根據每一個關鍵詞對訓練集劃分語義組，構造未知圖像的局部均衡數據集；

步驟S2：利用整個訓練集訓練棧式自動編碼器，獲取棧式自動編碼器模型；

步驟S3：利用所述局部均衡數據集訓練語義傳播模型；

步驟S4：從所述語義組中獲得全局詞頻信息，從所述局部均衡數據集中獲得局部詞頻信息，對所述全局詞頻信息以及所述局部詞頻信息取交集對未知圖像進行屬性判別；若判別未知圖像為高頻屬性，則通過所述棧式自動編碼器模型預測關鍵詞；若判別未知圖像為低頻屬性，則通過所述語義傳播模型預測關鍵詞；

在所述步驟S3中，還包括如下步驟：

步驟S31：構建語義傳播求解模型，令G＝{(y₁,X₁),(y₂,X₂),...,(y_M,X_M)}，y_i表示關鍵詞，X_i表示每一個關鍵詞以及該關鍵詞所包含的所有圖像，X_i和X_j中的圖像可重復，i,j∈{1,...,M},i≠j；用條件概率P(x|y_i)建立給定關鍵詞y_i∈Y的輸入圖像x的特征分布，將圖像標注轉化為求解后驗概率的問題：其中，P(y_i)和P(x)為先驗概率，取固定值；對于測試圖像I，其最佳標簽為：

步驟S32：求解傳播模型的后驗概率，令G_i＝(y_i,X_i)，對于測試圖像I，從G_i中的X_i中挑選n幅與測試圖像I視覺距離最近的圖像構成子集每一個集合G_I,i是測試圖像I對應于標簽y_i的語義組；確定G_I,i后，合并為一個集合G_I＝{G_I,1∪...∪G_I,M}，且各G_I,i間的關鍵詞不同，但有相同的圖像，得到進而針對測試圖像I的局部均衡數據集

步驟S33：在集合G_I中的每一個關鍵詞都將出現n次，定義給定標簽y_k∈Y的圖像I的后驗概率：其中，P(y_k|x_i)∈{0,1}表示當圖像x_i所在語義組G_I,i的語義概念等于標簽y_k時為1，否則為0，表示圖像x_i的權重，并按如下方式計算：其中，Dis(I,x_i)表示圖像I和x_i間的歐式距離。

2.根據權利要求1所述的一種基于屬性判別的自動圖像標注方法，其特征在于，在所述步驟S1中，通過如下步驟構造所述局部均衡數據集：

步驟S11：劃分每一個標簽所包含的所有圖像為一個語義組，對于每一幅測試圖像I，從每一個語義組中選取n幅與所述測試圖像I視覺相似度最高的圖像構造子訓練集；

步驟S12：把每一幅選出來的圖像作為一個圖像對象，且僅表示一個語義概念，即其所在語義組的語義概念，所述測試圖像I的子訓練集包含所有關鍵詞，并且每個關鍵詞的出現頻次一致，進而得到局部均衡數據集。