[发明专利]一种基于主动学习的跨域视频语义概念检测方法

摘要

本发明一种基于主动学习的跨域视频语义概念检测方法，包括以下步骤：(1)将高斯随机场作为基准分类器。(2)采用主动学习方法中的最不确定性查询策略选择未标注样本进行标注。(3)更新基准分类器。(4)顺次重复(2)、(3)步骤，直到完成一定的循环次数。本发明将高斯随机场用于构建主动学习的基准分类器。该基准分类器与其他主动学习算法中常用的只使用原始域样本作为基准分类器的训练集相比，使选择被标注的样本更大程度反映目标域数据的分布。加大新选入的来自目标域的已获得标注的样本的权重，使基准分类器能更快适应到目标域数据的特征分布上。本发明还提出一种快速基准模型更新算法，有效降低算法的复杂度，提高算法的适用性。

主权项

一种基于主动学习的跨域视频语义概念检测方法，其特征在于包括以下步骤：(1)将高斯随机场作为基准分类器(A)将原始域和目标域的每个样本点为一个顶点，将样本点之间在特征空间的距离作为其边的权重，构造一个无向图；(B)通过最小化高斯随机场的损失函数，得到无向图中的没有标注的样本点标注的估计值，即对目标域中的样本的标注进行预测；(2)采用主动学习方法中的最不确定性查询策略选择未标注样本进行标注(A)选择未标注数据集中预测的标注值最不确定的样本进行标注，即预测值最接近0.5的样本，这类样本点对基准分类器具有最大信息量，获得这些样本的真实标注；(B)将新标注的样本从未标注数据集中去除，将其加入已标注数据集；(3)更新基准分类器(A)对于所有连接到目标域中新获得标注的样本的边重新设置权重，并将这些新获得的标注以及更新的权重加入到高斯随机场中，即更新新加入标注的样本的权重值；(B)根据更新后的高斯随机场，对无向图中的属于目标域的没有标注的样本点的标注进行预测，即更新高斯随机场模型；(4)顺序重复步骤(2)采用主动学习算法选择样本点进行标注，以及步骤(3)更新基准分类器，直到完成一定循环次数，即选择了足够多的目标域中的样本点进行标注，使基准分类器在目标域中的检测效果达到一定高度。