[发明专利]一种基于属性判别的自动图像标注方法

摘要

本发明涉及一种基于属性判别的自动图像标注方法：针对数据集不均衡导致整体标注效果不理想的问题，提出一种基于属性判别的图像标注方法，利用每一个关键词的语义概念构建局部均衡数据集，并基于此数据集提出一种有效提升中低频标签标注准确率的语义传播算法。最后结合栈式自动编码器模型，通过判别图像的高低频属性来选择不同标注过程，提升了整体图像标注效果。该方法利用SAE模型较好预测高频标签和SP算法较好预测中低频标签的特点，通过判别未知图像的高低频属性来选择不同的标注过程，提升了整个模型的标注效果，该方法简单灵活，具有较强的实用性。

主权项

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。