发明名称 |
一种基于多示例包特征学的图像多标签标注算法 |
摘要 |
本发明公开了一种基于多示例包特征学的图像多标签标注算法,包括:得到所有训练图像的图像分块的集合;对训练图像的图像分块的集合中的每个图像分块提取颜色直方图特征和方向梯度直方图特征;将一个训练图像看作一个图像包,得到多示例学框架所需的图像包结构;将训练图像集合中所有图像包中的示例组成投影示例集合,每个图像包通过向该投影示例集合投影得到图像包的投影特征;选择出判别性高的特征作为图像包的分类特征;将学出的训练图像集合的图像包的分类特征送入SVM分类器进行训练,得到训练模型的参数,用训练好的SVM分类器对测试图像标签进行预测。本发明的标注算法实现简单,训练器成熟可靠,预测快捷,更好的完成图像多标签。 |
申请公布号 |
CN105678309A |
申请公布日期 |
2016.06.15 |
申请号 |
CN201610076444.2 |
申请日期 |
2016.02.03 |
申请人 |
山东工商学院 |
发明人 |
丁昕苗;郭文;刘延武;张帅;曲衍怀;范丽杰 |
分类号 |
G06K9/46(2006.01)I;G06K9/62(2006.01)I;G06K9/66(2006.01)I;G06T7/00(2006.01)I |
主分类号 |
G06K9/46(2006.01)I |
代理机构 |
济南圣达知识产权代理有限公司 37221 |
代理人 |
张勇 |
主权项 |
一种基于多示例包特征学习的图像多标签标注算法,其特征是,包括以下步骤:步骤一:获得训练图像集合并对其中的所有训练图像进行分割,得到所有训练图像的图像分块的集合;步骤二:对训练图像的图像分块的集合中的每个图像分块提取颜色直方图特征和方向梯度直方图特征;步骤三:将一个训练图像看作一个图像包,该训练图像的颜色直方图特征和方向梯度直方图特征看作图像包内的示例,则得到多示例学习框架所需的图像包结构;步骤四:将训练图像集合中所有图像包中的示例组成投影示例集合,每个图像包通过向该投影示例集合投影得到图像包的投影特征;步骤五:将图像包的投影特征经过范式约束的稀疏表示模型进行特征学习,选择出判别性高的特征作为图像包的分类特征;步骤六:将学习出的训练图像集合的图像包的分类特征送入SVM分类器进行训练,得到训练模型的参数,用训练好的SVM分类器对未知标签信息的测试图像标签进行预测。 |
地址 |
264026 山东省烟台市莱山区滨海中路191号 |