[发明专利]一种基于属性判别的自动图像标注方法

权利要求书

1.一种基于属性判别的自动图像标注方法，其特征在于，按照如下步骤实现：

步骤S1：根据每一个关键词对训练集划分语义组，构造未知图像的局部均衡数据集；

步骤S2：利用整个训练集训练栈式自动编码器，获取栈式自动编码器模型；

步骤S3：利用所述局部均衡数据集训练语义传播模型；

步骤S4：从所述语义组中获得全局词频信息，从所述局部均衡数据集中获得局部词频信息，对所述全局词频信息以及所述局部词频信息取交集对未知图像进行属性判别；若判别未知图像为高频属性，则通过所述栈式自动编码器模型预测关键词；若判别未知图像为低频属性，则通过所述语义传播模型预测关键词；

在所述步骤S3中，还包括如下步骤：

步骤S31：构建语义传播求解模型，令G＝{(y₁,X₁),(y₂,X₂),...,(y_M,X_M)}，y_i表示关键词，X_i表示每一个关键词以及该关键词所包含的所有图像，X_i和X_j中的图像可重复，i,j∈{1,...,M},i≠j；用条件概率P(x|y_i)建立给定关键词y_i∈Y的输入图像x的特征分布，将图像标注转化为求解后验概率的问题：其中，P(y_i)和P(x)为先验概率，取固定值；对于测试图像I，其最佳标签为：

步骤S32：求解传播模型的后验概率，令G_i＝(y_i,X_i)，对于测试图像I，从G_i中的X_i中挑选n幅与测试图像I视觉距离最近的图像构成子集每一个集合G_I,i是测试图像I对应于标签y_i的语义组；确定G_I,i后，合并为一个集合G_I＝{G_I,1∪...∪G_I,M}，且各G_I,i间的关键词不同，但有相同的图像，得到进而针对测试图像I的局部均衡数据集

步骤S33：在集合G_I中的每一个关键词都将出现n次，定义给定标签y_k∈Y的图像I的后验概率：其中，P(y_k|x_i)∈{0,1}表示当图像x_i所在语义组G_I,i的语义概念等于标签y_k时为1，否则为0，表示图像x_i的权重，并按如下方式计算：其中，Dis(I,x_i)表示图像I和x_i间的欧式距离。

2.根据权利要求1所述的一种基于属性判别的自动图像标注方法，其特征在于，在所述步骤S1中，通过如下步骤构造所述局部均衡数据集：

步骤S11：划分每一个标签所包含的所有图像为一个语义组，对于每一幅测试图像I，从每一个语义组中选取n幅与所述测试图像I视觉相似度最高的图像构造子训练集；

步骤S12：把每一幅选出来的图像作为一个图像对象，且仅表示一个语义概念，即其所在语义组的语义概念，所述测试图像I的子训练集包含所有关键词，并且每个关键词的出现频次一致，进而得到局部均衡数据集。