[发明专利]确定图像标签准确度的方法、装置及计算机可读存储介质

说明书

本公开是关于一种确定图像标签准确度的方法、装置及计算机可读存储介质，属于图像处理领域，能够得到输入图像对应的每个标签的准确度，有效的提升搜索排序的相关性和准确度，有效地去除错误标签对搜索结果的影响，并降低准确度低的标签的排序顺位。该方法包括：提取输入图像的图像特征向量；计算与所述输入图像相对应的每个标签的词嵌入向量；将所述图像特征向量与每个所述词嵌入向量分别进行拼接，得到联合特征向量；以及基于所述联合特征向量计算每个所述标签的准确度。

技术领域

本公开涉及图像处理领域，尤其涉及一种确定图像标签准确度的方法、装置及计算机可读存储介质。

背景技术

常用的图像搜索功能一般是通过关键字(也即图像标签)对图像进行搜索。相关技术中，在图像数据库中，每张图像会有其相对应的若干标签，这些标签一般通过用户上传图像时附带的标记来自动生成，或者是在图像数据库中通过图像识别技术自动生成。以图1所示的图像为例。利用用户上传图像时附带的标记或者利用图像识别技术自动生成的标签可能包括天空、大海、轮船、港口和海鸟，其中前四个标签为正确标签，最后一个标签“海鸟”为错误标签。而且，由于标签中存在一些错误并且每个标签的权重是相同的，所以会影响后续的图像搜索排序的准确度。

发明内容

为克服相关技术中存在的问题，本公开提供一种确定图像标签准确度的方法、装置及计算机可读存储介质。

根据本公开实施例的第一方面，提供一种确定图像标签准确度的方法，包括：

提取输入图像的图像特征向量；

计算与所述输入图像相对应的每个标签的词嵌入向量；

将所述图像特征向量与每个所述词嵌入向量分别进行拼接，得到联合特征向量；以及

基于所述联合特征向量计算每个所述标签的准确度。

可选地，所述提取输入图像的图像特征向量包括：利用卷积神经网络提取所述输入图像的图像特征向量。

可选地，所述计算与所述输入图像相对应的每个标签的词嵌入向量包括：通过word2vec模型计算与所述输入图像相对应的每个标签的词嵌入向量。

可选地，所述基于所述联合特征向量计算每个所述标签的准确度，包括：利用多层感知器并基于所述联合特征向量，计算每个所述标签的准确度。

根据本公开的第二实施例，提供一种确定图像标签准确度的装置，包括：

图像特征向量提取模块，用于提取输入图像的图像特征向量；

词嵌入向量计算模块，用于计算与所述输入图像相对应的每个标签的词嵌入向量；

拼接模块，用于将所述图像特征向量与每个所述词嵌入向量分别进行拼接，得到联合特征向量；以及

准确度计算模块，用于基于所述联合特征向量计算每个所述标签的准确度。

可选地，所述图像特征向量提取模块包括：图像特征向量提取子模块，用于利用卷积神经网络提取所述输入图像的图像特征向量。

可选地，所述词嵌入向量计算模块包括：词嵌入向量计算子模块，用于通过word2vec模型计算与所述输入图像相对应的每个标签的词嵌入向量。

可选地，所述准确度计算模块包括：准确度计算子模块，用于利用多层感知器并基于所述联合特征向量，计算每个所述标签的准确度。

根据本公开的第三实施例，提供一种确定图像标签准确度的装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：