[發明專利]基于數據圖譜、信息圖譜和知識圖譜的圖像數據目標識別增強方法

有效

• 申請號: 201810023920.3
• 申請日: 2018-01-10
• 公開（公告）號: CN108052680B
• 公開（公告）日: 2019-08-23
• 發明（設計）人: 段玉聰;何詩情;靖蓉琦;宋正陽;邵禮旭
• 申請（專利權）人: 海南大學
• 主分類號: G06F16/36
• 分類號: G06F16/36
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明是一種基于數據圖譜、信息圖譜、知識圖譜架構的圖像數據目標識別增強方法。主要用于解決現有圖像識別方法無法識別訓練集中未標注類別的圖像識別問題，屬于分布式計算和軟件工程學技術交叉領域。關鍵在于從已有的基于深度學習方法的圖像類型識別結果出發，根據已有圖像資源構建三層圖譜，將未識別的圖像類別在數據圖譜進行特征匹配得到初始匹配結果，將已識別的圖像類別在信息圖譜上進行關系匹配得到中間匹配結果，最后在知識圖譜中進行間接交互關系匹配，計算中間匹配結果的可信度并排序，推薦給用戶可信度最高的匹配圖像類別。

技術領域

本發明是一種基于數據圖譜、信息圖譜和知識圖譜架構的圖像數據目標識別增強方法。主要用于解決現有圖像識別方法無法識別訓練集中未標注類別的圖像識別問題，屬于分布式計算和軟件工程學技術交叉領域。

背景技術

知識圖譜已經成為用帶有標記的有向圖的形式來表示知識的強大工具，并能賦予文本信息語義。知識圖譜是通過結點的形式將項目、實體或用戶表示出來，通過邊的形式將彼此相互作用的結點鏈接起來構造的圖形，結點之間的邊可以表示任何語義關系。知識圖譜的構建按照知識獲取的過程分為信息抽取、知識融合和知識加工三個層次，定義知識圖譜是一個具有屬性的實體通過關系鏈接而成的網狀知識庫，其研究價值在于能以最小的代價將互聯網中積累的信息組織成可被利用的知識，從而通過推理實現概念檢索和圖形化知識展示。數據是通過觀察數字或其他基本個體項目得到的。信息通過數據和數據組合的背景傳達，適用于分析和解釋。知識是從積累的信息中獲得的一般理解和經驗，根據知識能推測出新的背景。

最傳統的圖像識別技術是人工識別，現已經可以通過深度學習的方法識別出已標識的圖像，機器在反復識別同一類對象中逐漸模擬出一個方程，這個方程逼近于所識別對象的共同特征，最后達到識別的目的，但是深度學習的方法并不能解決未標識圖像的識別問題。本發明主要是通過借助數據圖譜、信息圖譜、知識圖譜的架構去正確的識別出盡可能多的未被標識過的對象。

發明內容

技術問題：本發明是一種基于數據圖譜、信息圖譜和知識圖譜架構的圖像數據目標識別增強方法。引入數據圖譜、信息圖譜、知識圖譜架構對未標識圖像進行知識推理，從而實現自動智能的識別出圖片中或者攝像機所拍攝到的圖像。本發明將圖像的結構，特征，頻度以及交互關系，語義關系分別放在數據圖譜、信息圖譜和知識圖譜中，借助于這個架構給出可信度最高的識別結果。

技術方案：本發明是一種策略性方法，可以應用于圖片或者攝像機的圖像目標識別，有助于解決當前機器學習中無法識別未標識圖像的問題。本發明將圖像的結構，特征，頻度以及交互關系，語義關系分別放在數據圖譜、信息圖譜和知識圖譜中，然后將未標識圖像與數據圖譜中的數據進行比較，得出初始匹配結果；再用已標識圖像與信息圖譜中的交互關系進行比較，通過計算得到中間匹配結果；最后在知識圖譜中進行知識推理得到間接交互關系，其中可信度最高的就是我們所識別出的最終結果。

體系結構：本專利首先針對已識別圖像建立了數據圖譜、信息圖譜、知識圖譜架構，針對未識別圖像A遍歷數據圖譜，得到與Ai的數據匹配度R（Ai），按照R(Ai)從大到小的順序選出初始匹配結果A1、A2、… An；將初始匹配結果與已識別圖像集{B}在信息圖譜中進行關系匹配，得到關系匹配度Y（Ai）和X(Ai)，按照X(Ai)從大到小的順序選出A1、A2、… Ak，將Ai’與{B}在知識圖譜中進行計算推理，得出可信度最高的結果。目前，我們已經可以運用深度學習來識別已標識的圖像，本發明在此基礎上，引入數據圖譜、信息圖譜、知識圖譜架構對未標識圖像進行知識推理，從而實現自動智能的識別出圖片中或者攝像機所拍攝到的圖像。下面給出構建數據圖譜、信息圖譜、知識圖譜的具體說明: