[发明专利]用于图像搜索的准确的标签相关性预测

权利要求书

1.一种计算机实现的方法，包括：

将图像输入到经训练的图像分类器中，其中所述图像分类器使用递归聚类过程而被训练，所述递归聚类过程生成数据集群，其中所述递归聚类过程中的步骤包括在数据上应用递归KMeans聚类，其中KMeans聚类是将输入数据组划分为集群的方法，其中每个所述数据集群表面上类似；

在接收到所述图像后，所述经训练的图像分类器从所述图像中提取特征；

确定具有基于所提取的所述特征的标签的所述训练图像的集群，所述集群利用所述递归聚类过程而被生成，其中所述集群包括具有类似于所提取的所述特征的训练图像集合；

分析所述训练图像集合的所述标签以确定出现最频繁的标签的相关性得分；以及

向所述图像传播标签，所述标签使用所述出现最频繁的标签的相关性得分从所述集群的所述训练图像集合的对应标签中被选择；

其中所述相关性得分中的一个相关性得分包括基于所述集群中的所述对应标签中的两个对应标签之间的相似性来确定预测的标签的置信度值，其中所述预测的标签基于上下文窗口共现矩阵被表示为特征向量，并且所述矩阵的每一行对应于所述标签。

2.根据权利要求1所述的方法，其中确定所述集群中的所述两个对应标签之间的相似性包括找到集群敏感散列距离，所述集群敏感散列距离表示与所述递归聚类过程的迭代相关的、所述两个对应标签被分配给相同集群的次数。

3.根据权利要求2所述的方法，还包括确定经验条件概率，所述经验条件概率指示与所述预测的标签的总出现次数相关的、所述两个对应标签被分配给图像标签集合的次数。

4.根据权利要求1所述的方法，还包括与所述相关性得分成比例地向其他类似标签传播所述预测的标签的所述相关性得分。

5.一种非瞬态计算机存储介质，包括计算机可用指令，所述计算机可用指令在由一个或多个计算设备使用时使所述一个或多个计算设备执行操作，所述操作包括：

将图像输入到经训练的图像分类器中，其中所述图像分类器使用递归聚类过程而被训练，所述递归聚类过程生成数据集群，其中所述递归聚类过程中的步骤包括在数据上应用递归KMeans聚类，其中KMeans聚类是将输入数据组划分为集群的方法，其中每个所述集群表面上类似；

在接收到所述图像后，所述经训练的图像分类器从所述图像中提取特征；

确定具有基于所提取的所述特征的标签的所述训练图像的集群，所述集群利用所述递归聚类过程而被生成，其中所述集群包括具有类似于所提取的所述特征的训练图像集合；

分析所述训练图像集合的所述标签以确定出现最频繁的标签的相关性得分；以及

向所述图像传播标签，所述标签使用所述出现最频繁的标签的相关性得分从所述集群的所述训练图像集合的对应标签中被选择；

其中所述相关性得分中的一个相关性得分包括预测的标签的置信度值，并且所述预测的标签的所述置信度值基于集群敏感散列距离和经验条件概率，所述集群敏感散列距离表示与所述递归聚类过程的迭代相关的、两个对应标签被分配给相同集群的次数，所述预测的标签基于上下文窗口共现矩阵被表示为特征向量，并且所述矩阵的每一行对应于所述标签，并且所述经验条件概率指示与所述预测的标签的总出现次数相关的、所述两个对应标签被分配给图像标签集合的次数。

6.根据权利要求5所述的非瞬态计算机存储介质，其中所选择的所述标签是具有最高相关性得分的标签。

7.根据权利要求5所述的非瞬态计算机存储介质，其中所述操作还包括：

与所述相关性得分成比例地向其他类似标签传播所述预测的标签的所述相关性得分。

8.根据权利要求5所述的非瞬态计算机存储介质，其中所述操作还包括：

当所述预测的标签被确定为二元语法的一部分时，基于预测的标签集合来对所述预测的标签降权。