一种基于云计算的手机图像标注方法

摘要

本发明公开了一种基于云计算的手机图像标注方法，该方法中的云端实现的所述训练海森正则化支持向量机的训练步骤如下：步骤1、假设有标注样本(x,y)∈Rⁿ×{±1}分布为P，无标注样本的分布是P的边缘分布P_X；如果边缘分布P_X与条件分布P(y|x)相关，则P_X有助于学；基于假设相似的图像对x_i和x_j意味着相似的条件分布对P(y|x_i)和P(y|x_j)；步骤2、利用海森正则化构造局部几何信息；步骤3、构造二分类的海森正则化支持向量机目标函数。该方案将压缩后的手机图像传输到云上，然后在云上通过海森正则化支持向量机实现图像的语义标注。利用本发明的提出的海森正则化支持向量机，可以减少模型训练对人工标注样本的依赖，具有提高了图像标注的准确度等优点。

主权项

1.一种基于云计算的手机图像标注方法，包括以下步骤：1）在云端存储数量为l带标注的图像特征集其中，标注为和数量为u无标注的图像特征集2）在云端训练海森正则化支持向量机；3）利用压缩感知技术对移动图像进行压缩，并将压缩后的图像传输到云上；4）在云上利用压缩感知技术对压缩的图像进行解码；5）通过训练出来的海森正则化支持向量机进行图像标注；6）将标注的结果返回到移动终端设备；其特征在于，所述步骤2）中，云端实现的所述训练海森正则化支持向量机的训练步骤如下：步骤1、假设有标注样本(x,y)∈Rⁿ×{±1}分布为P，无标注样本的分布是P的边缘分布P_X；如果边缘分布P_X与条件分布P(y|x)相关，则P_X有助于学习；基于假设相似的图像对x_i和x_j意味着相似的条件分布对P(y|x_i)和P(y|x_j)；步骤2、利用海森正则化构造局部几何信息；步骤3、构造二分类的海森正则化支持向量机目标函数。