[發明專利]一種基于歸納型矩陣補全的大規模社交圖像自動標注算法

在審

• 申請號: 201710036828.6
• 申請日: 2017-01-18
• 公開（公告）號: CN107590167A
• 公開（公告）日: 2018-01-16
• 發明（設計）人: 陳蕾;劉夢迪;葉文采;周宇軒;楊庚;戴華
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/46;G06Q50/00
• 代理公司: 南京知識律師事務所32207
• 代理人: 李湘群

1.一種基于歸納型矩陣補全的大規模社交圖像自動標注算法，其特征在于，所述算法包括以下步驟：

(1)選擇大規模社交圖像數據集，對其進行預處理后，產生用于問題模型訓練的圖像標簽的采樣矩陣；

(2)根據圖像視覺內容和語義標注一致性原則，并利用圖像標簽的低秩性和稀疏性的融合以及歸納性矩陣補全技術，對圖像自動標注問題進行建模；

(3)引入并行多塊ADMM進行問題模型求解，得到問題模型的求解結果；對求解結果進行迭代更新求解，直至收斂或滿足終止條件得到最終所需結果，進而得到補全的圖像標注結果；

(4)對新加入的圖像進行圖像標注。

2.如權利要求1所述的一種基于歸納型矩陣補全的大規模社交圖像自動標注算法，其特征在于，步驟1具體包括如下步驟：

(2-1)選擇大規模社交圖像作為數據集，對數據集中的圖像進行特征提取；

(2-2)提取圖像中底層視覺特征和圖像標注的語義特征，構建出圖像-特征矩陣和圖像-標簽矩陣；

(2-3)基于步驟2-2中所構建的矩陣，進行移除標記圖像過少的標簽等預處理，得到新的圖像-特征矩陣和圖像-標簽矩陣，其中圖像-標簽矩陣中的某些行可以是全零元素，即可以含有無標簽圖像；

(2-4)基于步驟2-3中的圖像-標簽矩陣，對其生成一個元素缺失且可能包含噪聲的圖像標簽的采樣矩陣，將其作為初始化圖像-標簽矩陣用于問題模型訓練。

3.如權利要求1所述的一種基于歸納型矩陣補全的大規模社交圖像自動標注算法，其特征在于，步驟2中所述圖像自動標注的問題模型表示如下：

其中，n和m分別表示圖像和標簽的數量，d表示圖像特征的維數；M∈R^n×m為圖像標簽的采樣矩陣，X∈R^d×n為特征-圖像矩陣，Z∈R^d×m為標簽誘導矩陣，E∈R^n×m為圖像標簽的稀疏噪聲矩陣，XΤZ為待補全的圖像-標簽矩陣；||X^ΤZ||_*和||X^ΤZ||₁表示為圖像-標簽矩陣的低秩性和其固有的稀疏性，||E||₁表示圖像噪聲矩陣的稀疏性，C_c(X^ΤZ)和C_t(X^ΤZ)分別用來度量圖像視覺內容相似性和圖像標簽間語義相關性，λ為可調權衡參數；Ω＝{(i,j)|1≤i≤n,1≤j≤m,M(i,j)＝1}為采樣矩陣中元素的下標集合，P_Ω(·)為投影算子，定義為：

4.如權利要求1所述的一種基于歸納型矩陣補全的大規模社交圖像自動標注算法，其特征在于,步驟3具體包括如下步驟：

(4-1)采用并行多塊ADMM對問題模型進行優化求解，得到問題模型的求解結果；

(4-2)對上述求解結果進行迭代更新求解，直至收斂或滿足終止條件得到最終結果，進而得到補全的圖像標注結果。

5.如權利要求1所述的一種基于歸納型矩陣補全的大規模社交圖像自動標注算法，其特征在于，步驟4具體包括如下步驟：提取新加入圖像的特征向量，增加到特征-圖像矩陣X中，對新得到的X與求得的標簽誘導矩陣Z求內積，即X^ΤZ，從而得到新加入圖像的標簽。