[發明專利]標簽圖片集的建立、標簽的確定方法、裝置、設備及介質

在審

• 申請號: 201711321907.8
• 申請日: 2017-12-12
• 公開（公告）號: CN108062377A
• 公開（公告）日: 2018-05-22
• 發明（設計）人: 潘平;雷錦藝;章巍巍
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發明實施例公開了一種標簽圖片集的建立、標簽的確定方法、裝置、設備及介質。所述標簽圖片集的建立方法包括：根據用戶的點擊圖片日志，獲取第一圖片集，并根據所述第一圖片集生成聚類圖片簇；在所述聚類圖片簇中獲取設定數量的圖片，構成與所述聚類圖片簇對應的第二圖片集；如果所述第二圖片集中各圖片的圖片內容信息滿足內容集中條件，則將所述第二圖片集作為候選圖片集，并建立與所述候選圖片集匹配的視覺標簽；篩除所述候選圖片集中的無效圖片后生成視覺標簽圖片集，其中，所述視覺標簽圖片集中的各視覺標簽圖片對應所述視覺標簽圖片集的視覺標簽。本發明實施例在大大降低人工成本的基礎上，提高確定圖片的視覺標簽的準確性。

技術領域

本發明實施例涉及圖像領域，尤其涉及一種標簽圖片集的建立、標簽的確定方法、裝置、設備以及存儲介質。

背景技術

在互聯網個性化新聞推薦中，有大量的信息載體是圖像，圖像數據相對文本而言，具有信息量豐富、排版美觀等優勢，是互聯網用戶消費內容的重要組成部分。

為了能夠更好的向用戶推薦圖片，需要挖掘用戶的喜好，確定用戶的看圖興趣，識別興趣圖像的內容，并描述興趣圖像，而描述圖像的方式可以通過提取圖像的視覺標簽實現。圖像視覺標簽，指的是圖像中吸引用戶看圖的視覺內容標簽，如多肉植物、汽車和動漫等。目前識別圖像內容(或者說在圖像中加入視覺內容標簽)的常用方案是基于深度學習模型，對圖像的內容進行預測。圖1a是現有技術中基于深度學習模型預測圖像內容的流程圖。如圖1a所示，對樣本圖像進行標注，采用深度模型學習大量的標注圖像樣本，將未知圖像或者新圖像輸入到訓練好的深度模型中，輸出對未知圖像或者新圖像的預測結果，也即，輸出與未知圖像或者新圖像對應的視覺內容標簽。

一般來說，一個大型的視覺標簽確定模型通常需要數百萬到幾千萬的標注數據，而這些標注數據在標注過程中需要耗費大量的人力物力。例如，計算機視覺系統識別項目ImageNet訓練數據集有一千多萬人工標注數據，這些標注樣本如果采用外包給專門的人工眾測標注平臺，需要消耗大量的資金和時間。此外，目前的視覺標簽確定模型，準確率最高能勉強達到80％，離真正可靠使用還有一定差距。

發明內容

本發明實施例提供了一種標簽圖片集的建立、標簽的確定方法、裝置、設備以及存儲介質標簽圖片集的建立標簽的確定，在大大降低人工成本的基礎上，提高確定圖片的視覺標簽的準確性。

第一方面，本發明實施例提供了一種標簽圖片集的建立方法，包括：

根據用戶的點擊圖片日志，獲取第一圖片集，并根據所述第一圖片集生成聚類圖片簇；

在所述聚類圖片簇中獲取設定數量的圖片，構成與所述聚類圖片簇對應的第二圖片集；

如果所述第二圖片集中各圖片的圖片內容信息滿足內容集中條件，則將所述第二圖片集作為候選圖片集，并建立與所述候選圖片集匹配的視覺標簽；

篩除所述候選圖片集中的無效圖片后生成視覺標簽圖片集，其中，所述視覺標簽圖片集中的各視覺標簽圖片對應所述視覺標簽圖片集的視覺標簽。

第二方面，本發明實施例還提供了一種標簽的確定方法，包括：

獲取待添加標簽圖片；

將所述待添加標簽圖片分別與至少兩個視覺標簽圖片集中的各視覺標簽圖片進行相似度計算；

獲取與所述待添加標簽圖片滿足相似度條件的至少兩個目標視覺標簽圖片，并根據與所述至少兩個目標視覺標簽圖片分別對應的視覺標簽，確定所述待添加標簽圖片的視覺標簽。

第三方面，本發明實施例還提供了一種標簽圖片集的建立裝置，包括：

第一圖片集生成模塊，用于根據用戶的點擊圖片日志，獲取第一圖片集，并根據所述第一圖片集生成聚類圖片簇；