[發明專利]一種基于超圖的半監督視覺搜索重排的方法

在審

• 申請號: 201711042788.2
• 申請日: 2017-10-30
• 公開（公告）號: CN107908682A
• 公開（公告）日: 2018-04-13
• 發明（設計）人: 張靜;付建鵬;蘇育挺
• 申請（專利權）人: 天津大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62
• 代理公司: 天津市北洋有限責任專利代理事務所12201
• 代理人: 李林娟

技術鄰域

本發明涉及面向多媒體信息檢索鄰域，尤其涉及一種基于超圖的半監督視覺搜索重排的方法。

背景技術

隨著信息技術的快速發展，在過去的幾十年中，圖像的數量正在以指數速度增長，網頁圖像檢索^[1-6]已經成為一個極具挑戰性的研究鄰域。現有的圖像或視頻搜索重排序方法,根據輔助信息的不同,利用人工標注圖像或視頻的方法進行重排序是主要的研究方向之一。

發明人在實現本發明的過程中，發現現有技術中存在以下不足：

現有技術中的基于人工標注的圖像或視頻搜索重排序方法通常對所提取出來的高維特征向量進行無監督的維數約簡，或者將圖像或視頻的相關性等級信息簡單的作為類別標號信息進行有監督的維數約簡。

然而在圖像或視頻搜索重排序中圖像或視頻的類別標號并不能充分準確地描述圖像與圖像之間，或視頻與視頻之間的關系，進而使得訓練出來的排序模型不夠精確，使得檢索精度較低，無法滿足實際應用中的需要。

發明內容

本發明提供了一種基于超圖的半監督視覺搜索重排的方法，本發明提高了檢索的精度，滿足了實際應用中的多種需要，詳見下文描述：

一種基于超圖的半監督視覺搜索重排的方法，所述方法包括以下步驟：

1)通過特征向量集合，根據已標注樣本將未標注樣本圖片的相關度擴展到不同相關度的剩余樣本上；

2)通過組合已標注樣本特征向量鄰域的相關度得到未標注樣本的重建系數，來計算未標注樣本偽相關度；

3)根據未標注樣本偽相關度和已標注樣本的相關度信息，分析超圖頂點之間的局部分組信息來構建超圖；根據構建的超圖利用排序支持向量機，對結果進行排序。

其中，在步驟1)之前，所述方法還包括：

搜索引擎中輸入查詢關鍵詞進行搜索，獲取基于文本的初始搜索結果；

根據初始搜索結果提取不同模態下的特征向量，獲取特征向量集合。

所述未標注樣本的重建系數具體為：

其中，x_i來自未標注樣本X_U，x_ij表示x_i在X_L的第j個鄰域的特征向量，C_i為第i個未標注樣本的重建系數，c_ij為第i個未標注樣本特征向量在第j個鄰域的重建系數。

本發明提供的技術方案的有益效果是：

1、本方法根據基本的視覺一致原則，視覺上相似的圖像應該具有相近的排名分數的特點，引入超圖以捕獲數據內在幾何結構分布，計了一種新穎的超圖構造方法，整合標注樣本的相關信息和未標注的樣本偽相關信息；

2、基于具有優先成對偏好的排名模型會有更高的準確度的前提下，將超圖正則化器和優先成對偏好合并到統一的排名學習框架中，將符合用戶需求的結果靠前優先呈現給用戶，提高了檢索的準確性。

附圖說明

圖1為本發明提供的一種基于超圖的半監督視覺搜索重排的方法的流程圖；

圖2為本發明提供的具有0.001至100的各種C的HyperSSR方法的性能對比示意圖；

圖3為本發明提供的研究了不同標注K的影響的示意圖；

圖4為本發明提供的與幾種最先進的算法被用于視覺搜索重排性能比較示意圖。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚，下面對本發明實施方式作進一步地詳細描述。

基于超圖的半監督視覺搜索重排是根據基本的視覺一致原則，視覺上相似的圖像應該具有相近的排名分數，引入超圖以捕獲數據內在幾何結構分布。整合標注樣本的相關度信息和未標注的樣本偽相關度信息。基于具有優先成對偏好的排名模型會有更高的準確度的前提下，將超圖正則化器和優先成對偏好合并到統一的排名學習框架中，其目的是為了改善檢索的準確性以提高用戶體驗和滿意度。

實施例1

一種基于超圖的半監督視覺搜索重排的方法，參見圖1，該方法包括以下步驟：

101：通過特征向量集合，根據已標注樣本將未標注樣本圖片的相關度擴展到不同相關度的剩余樣本上；

102：通過組合未標注樣本特征向量鄰域的相關度得到已標注樣本的重建系數，來計算未標注樣本偽相關度；

103：根據未標注樣本偽相關度和已標注樣本的相關度信息，分析超圖頂點之間的局部分組信息來構建超圖；根據構建的超圖利用排序支持向量機，對結果進行排序。

其中，在步驟101之前，該方法還包括：