[發(fā)明專利]基于語義分割場景的示例搜索方法

有效

• 申請?zhí)枺?/td>: 201710355297.7
• 申請日: 2017-05-19
• 公開（公告）號: CN107291813B
• 公開（公告）日: 2021-01-01
• 發(fā)明（設(shè)計）人: 胡海峰;張松
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06K9/62
• 代理公司: 南京知識律師事務(wù)所 32207
• 代理人: 李吉寬

1.基于語義分割場景的示例搜索方法，其特征在于包含以下步驟：

步驟1：輸入數(shù)據(jù)集樣本矩陣X，X是n*d維的矩陣，n是示例的個數(shù)，d是圖片特征的維度，并輸入圖片集對應(yīng)的語義類標(biāo)記矩陣Y，Y是n*c維的矩陣，n是示例個數(shù)，c是類標(biāo)記的數(shù)量；

步驟2：從數(shù)據(jù)集中隨機抽取一部分示例作為抽樣示例集，通過計算示例和抽樣示例之間的相似度，減少計算時間開銷，提高算法的效率；

步驟3：在計算優(yōu)化距離時，若圖片數(shù)據(jù)集中包含n張示例，定義示例間的馬氏距離D是一個n*m維的矩陣，m為抽樣圖片集合中示例的數(shù)量，關(guān)系矩陣中的每一個元素定義為：

D(x_i,u_j)＝(x_i-u_j)^TA(x_i-u_j)

上式中A表示需要學(xué)習(xí)的馬氏距離度量矩陣，x_i表示數(shù)據(jù)集中的第i個示例，u_j表示抽樣示例集中的中的第j個示例；

對于數(shù)據(jù)集中的每一個示例，引入語義一致性構(gòu)建目標(biāo)函數(shù)表達(dá)式O(A)，其中A是在編碼階段需要的馬氏距離度量矩陣，通過特征值求解方式求最優(yōu)解，即得到最優(yōu)化的距離度量矩陣A，y_ij表示第i個示例樣本的類標(biāo)記向量，類標(biāo)記向量是c維的列向量，c是類的數(shù)目，向量中元素的值為1或0，分別表示示例屬于這個類和不屬于這個類，和第j個抽樣示例樣本的類標(biāo)記向量是否一致，一致為1，不一致為0，x_i代表第i個示例，u_j代表第j個抽樣示例；Λ_r是A的可行域；

步驟4：對于每一個示例樣本x，用距離度量矩陣A乘以示例樣本x和抽樣示例之間的距離，得到距離度量學(xué)習(xí)后的優(yōu)化距離，然后再利用哈希技術(shù)進行編碼，將示例由原始的d維特征壓縮映射成k維的二進制編碼；

步驟5：對于一個新的查詢圖片q，具有標(biāo)記c1和c2，要定位標(biāo)記c1，首先用步驟3中訓(xùn)練得到的距離度量矩陣A乘以圖片q中標(biāo)記c1對應(yīng)的示例和抽樣示例之間的相似度，得到引入語義一致性之后的優(yōu)化距離，再通過編碼函數(shù)計算出查詢示例的二進制編碼，與圖片數(shù)據(jù)集中各示例的二進制編碼比較漢明距離，如果漢明距離小于設(shè)定的門限閾值r，即認(rèn)為兩示例是近似示例，返回示例所在的圖片包，就可以追蹤標(biāo)記c1的近鄰圖片。

2.根據(jù)權(quán)利要求1所述的基于語義分割場景的示例搜索方法，其特征在于步驟4具體包含以下過程：如果有新的查詢圖片要進行近似示例的搜索，同樣使用編碼函數(shù)計算出查詢示例的二進制編碼，然后比較查詢示例的編碼和示例數(shù)據(jù)集中所有示例編碼的漢明距離，定義漢明距離門限閾值r，如果查詢示例和某示例的漢明距離小于閾值r，即認(rèn)為此示例是查詢示例的近似圖片，遍歷示例數(shù)據(jù)集，即可找到查詢示例的所有近似示例，再返回示例所在的圖片。

3.根據(jù)權(quán)利要求2所述的基于語義分割場景的示例搜索方法，其特征在于所述閾值r的取值可分別選取1,2,3,4。