[发明专利]用于图像搜索的准确的标签相关性预测

摘要

本发明的各实施例总体上用于图像搜索的准确的标签相关性预测。具体地，本发明的实施例提供了一种自动图像标记系统，其可以预测可以用于基于关键字的图像检索、图像标签建议和基于用户输入的图像标签自动完成的标签的集合以及相关性得分。最初，在训练期间，使用聚类技术来减少被输入到用于训练特征数据的卷积神经网络(CNN)中的数据中的集群不平衡。在实施例中，聚类技术还可以用于计算可以用于标签传播(以标记未标记的图像)的数据点相似性。在测试期间，利用基于多样性的投票框架来克服用户标记偏差。在一些实施例中，二元语法重新加权可以基于预测的标签集合来降权可能是二字母的一部分的关键字。

主权项

一种计算机实现的用于训练分类器以标记图像的方法，所述方法包括：接收包括图像和对应图像标签的输入数据的集合；基于所述图像的相似性将所述输入数据的集合划分为第一数据集群和第二数据集群，其中所述第一数据集群包括第一组图像和对应图像标签，所述第一组图像彼此类似，并且其中所述第二数据集群包括第二组图像和对应图像标签，所述第二组图像彼此类似；确定所述第一数据集群的大小超过预定义阈值并且所述第二数据集群的大小小于所述预定义阈值；基于所述第一数据集群的大小超过所述预定义阈值，将所述第一组图像和对应图像标签划分为第三数据集群和第四数据集群，其中所述第三数据集群和所述第四数据集群各自具有小于所述预定义阈值的数据大小；以及使用所述第二数据集群、所述第三数据集群和所述第四数据集群来训练预测未标记图像的图像标签的分类器，所述第二数据集群、所述第三数据集群和所述第四数据集群各自具有小于所述预定义阈值的数据大小。