| 摘要 |
本发明公开了一种基于词间相关性的图像自动标注方法，训练集合T包含l个图像，所述训练集合T的每个图像标注有n个标注词，且有相应的视觉词元，待标注图像为I，该方法包括：根据公式<img file="DDA0000454408120000011.GIF" wi="272" he="147" />计算每一个标注词w的语义矢量，将标注词w表示为矢量形式w＝＜v<sub>1</sub>,v<sub>2</sub>,…,v<sub>m</sub>＞，其中，c<sub>i</sub>为上下文关联词，共有m个上下文关联词；根据公式<img file="DDA0000454408120000012.GIF" wi="470" he="155" />计算标注词之间的语义相似度，其中||·||为向量模计算；根据公式<img file="DDA0000454408120000013.GIF" wi="694" he="145" />计算p(A)，其中A为标注词组{w<sub>1</sub>,w<sub>2</sub>,…w<sub>n</sub>}，n为标注词组的个数；根据公式<img file="DDA0000454408120000014.GIF" wi="728" he="147" />计算条件概率p(I/w<sub>i</sub>)；根据<img file="DDA0000454408120000015.GIF" wi="444" he="123" />计算p(I/A)；由公式A＝arg max<sub>A</sub>p(I/A)p(A)计算待标注图像I的标注词组A。 |
| 主权项 |
一种基于词间相关性的图像自动标注方法，其特征在于，训练集合T包含l个图像，所述l个图像构成图像集合P＝[p<sub>1</sub> p<sub>2</sub> … p<sub>l</sub>]；所述训练集合T的每个图像标注有n个标注词，训练集合T中所有标注词构成标注词集合W＝[w<sub>1</sub> w<sub>2</sub> … w<sub>s</sub>]；训练集合T的每个图像有相应的视觉词元，训练集合T中所有视觉词元构成视觉词元集合B＝[b<sub>1</sub> b<sub>2</sub> … b<sub>y</sub>]，待标注图像为I，该方法包括：A.根据公式<img file="FDA0001086037920000011.GIF" wi="259" he="135" />计算训练集合T中每一个标注词w的语义矢量，将标注词w表示为矢量形式w＝<v<sub>1</sub>,v<sub>2</sub>,…,v<sub>m</sub>>，其中，c<sub>i</sub>为上下文关联词，共有m个上下文关联词，p(c<sub>i</sub>)为上下文关联词c<sub>i</sub>的整体分布概率，p(c<sub>i</sub>/w)表示上下文关联词c<sub>i</sub>和标注词w在训练集合T中的共现次数与标注词w在训练集合T中出现的总次数的比值，即<img file="FDA0001086037920000012.GIF" wi="486" he="133" />其中，所述上下文关联词为训练集合T中的标注词；B.根据公式<img file="FDA0001086037920000013.GIF" wi="472" he="142" />计算标注词之间的语义相似度，其中||·||为向量模计算，w<sub>i</sub>·w<sub>j</sub>为向量点积运算；C.根据公式<img file="FDA0001086037920000014.GIF" wi="684" he="140" />计算p(A)，其中A为标注词组{w<sub>1</sub>,w<sub>2</sub>,…w<sub>n</sub>}，n为标注词组的个数；D.根据公式<img file="FDA0001086037920000015.GIF" wi="726" he="127" />计算条件概率p(I/w<sub>i</sub>)，其中，p(w<sub>i</sub>)为标注词w<sub>i</sub>在训练集合T中出现的次数与训练集合T所有标注词出现总次数的比值，即<img file="FDA0001086037920000016.GIF" wi="404" he="158" />p(w<sub>i</sub>,b<sub>1</sub>,…,b<sub>n</sub>)的计算方法为：<img file="FDA0001086037920000021.GIF" wi="1036" he="142" />其中p(J)表示在图像集合P中随机抽取一幅训练图像J的概率；p(w<sub>i</sub>/J)表示训练图像J中出现词汇w<sub>i</sub>的后验概率；而p(b<sub>k</sub>/J)表示训练图像J中出现视觉词元b<sub>k</sub>的后验概率；E.根据<img file="FDA0001086037920000022.GIF" wi="438" he="110" />计算p(I/A)；F.由公式A＝argmax<sub>A</sub>p(I/A)p(A)计算待标注图像I的标注词组A。 |
