[發明專利]用于圖像搜索的準確的標簽相關性預測

有效

• 申請號: 201611132510.X
• 申請日: 2016-12-09
• 公開（公告）號: CN107085585B
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 林哲;沈曉輝;J·勃蘭特;張健明;方晨
• 申請（專利權）人: 奧多比公司
• 主分類號: G06F16/58
• 分類號: G06F16/58;G06F16/955;G06F18/23213
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 酆迅

1.一種計算機實現的方法，包括：

將圖像輸入到經訓練的圖像分類器中，其中所述圖像分類器使用遞歸聚類過程而被訓練，所述遞歸聚類過程生成數據集群，其中所述遞歸聚類過程中的步驟包括在數據上應用遞歸KMeans聚類，其中KMeans聚類是將輸入數據組劃分為集群的方法，其中每個所述數據集群表面上類似；

在接收到所述圖像后，所述經訓練的圖像分類器從所述圖像中提取特征；

確定具有基于所提取的所述特征的標簽的所述訓練圖像的集群，所述集群利用所述遞歸聚類過程而被生成，其中所述集群包括具有類似于所提取的所述特征的訓練圖像集合；

分析所述訓練圖像集合的所述標簽以確定出現最頻繁的標簽的相關性得分；以及

向所述圖像傳播標簽，所述標簽使用所述出現最頻繁的標簽的相關性得分從所述集群的所述訓練圖像集合的對應標簽中被選擇；

其中所述相關性得分中的一個相關性得分包括基于所述集群中的所述對應標簽中的兩個對應標簽之間的相似性來確定預測的標簽的置信度值，其中所述預測的標簽基于上下文窗口共現矩陣被表示為特征向量，并且所述矩陣的每一行對應于所述標簽。

2.根據權利要求1所述的方法，其中確定所述集群中的所述兩個對應標簽之間的相似性包括找到集群敏感散列距離，所述集群敏感散列距離表示與所述遞歸聚類過程的迭代相關的、所述兩個對應標簽被分配給相同集群的次數。

3.根據權利要求2所述的方法，還包括確定經驗條件概率，所述經驗條件概率指示與所述預測的標簽的總出現次數相關的、所述兩個對應標簽被分配給圖像標簽集合的次數。

4.根據權利要求1所述的方法，還包括與所述相關性得分成比例地向其他類似標簽傳播所述預測的標簽的所述相關性得分。

5.一種非瞬態計算機存儲介質，包括計算機可用指令，所述計算機可用指令在由一個或多個計算設備使用時使所述一個或多個計算設備執行操作，所述操作包括：

將圖像輸入到經訓練的圖像分類器中，其中所述圖像分類器使用遞歸聚類過程而被訓練，所述遞歸聚類過程生成數據集群，其中所述遞歸聚類過程中的步驟包括在數據上應用遞歸KMeans聚類，其中KMeans聚類是將輸入數據組劃分為集群的方法，其中每個所述集群表面上類似；

在接收到所述圖像后，所述經訓練的圖像分類器從所述圖像中提取特征；

確定具有基于所提取的所述特征的標簽的所述訓練圖像的集群，所述集群利用所述遞歸聚類過程而被生成，其中所述集群包括具有類似于所提取的所述特征的訓練圖像集合；

分析所述訓練圖像集合的所述標簽以確定出現最頻繁的標簽的相關性得分；以及

向所述圖像傳播標簽，所述標簽使用所述出現最頻繁的標簽的相關性得分從所述集群的所述訓練圖像集合的對應標簽中被選擇；

其中所述相關性得分中的一個相關性得分包括預測的標簽的置信度值，并且所述預測的標簽的所述置信度值基于集群敏感散列距離和經驗條件概率，所述集群敏感散列距離表示與所述遞歸聚類過程的迭代相關的、兩個對應標簽被分配給相同集群的次數，所述預測的標簽基于上下文窗口共現矩陣被表示為特征向量，并且所述矩陣的每一行對應于所述標簽，并且所述經驗條件概率指示與所述預測的標簽的總出現次數相關的、所述兩個對應標簽被分配給圖像標簽集合的次數。

6.根據權利要求5所述的非瞬態計算機存儲介質，其中所選擇的所述標簽是具有最高相關性得分的標簽。

7.根據權利要求5所述的非瞬態計算機存儲介質，其中所述操作還包括：

與所述相關性得分成比例地向其他類似標簽傳播所述預測的標簽的所述相關性得分。

8.根據權利要求5所述的非瞬態計算機存儲介質，其中所述操作還包括：

當所述預測的標簽被確定為二元語法的一部分時，基于預測的標簽集合來對所述預測的標簽降權。