一種基于主動(dòng)學(xué)習(xí)的圖像標(biāo)注方法

基本信息

申請(qǐng)?zhí)?/td> CN201410106864.1 申請(qǐng)日 -
公開（公告）號(hào) CN103942561A 公開（公告）日 2014-07-23
申請(qǐng)公布號(hào) CN103942561A 申請(qǐng)公布日 2014-07-23
分類號(hào) G06K9/62(2006.01)I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 陳晉音;黃堅(jiān) 申請(qǐng)（專利權(quán)）人 杭州量知數(shù)據(jù)科技有限公司
代理機(jī)構(gòu) 杭州求是專利事務(wù)所有限公司 代理人 杭州禧頌科技有限公司;杭州量知數(shù)據(jù)科技有限公司
地址 311100 浙江省杭州市下城區(qū)費(fèi)家塘路588號(hào)4幢424室
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種基于主動(dòng)學(xué)習(xí)的網(wǎng)絡(luò)圖像標(biāo)注方法。該方法首先基于圖像數(shù)據(jù)集構(gòu)建表征圖像視覺相似性關(guān)系的K近鄰圖結(jié)構(gòu)，計(jì)算相應(yīng)的拉普拉斯圖矩陣L；接著采用迭代計(jì)算求解最優(yōu)化問題，選擇出T個(gè)標(biāo)注樣本讓用戶進(jìn)行標(biāo)注；然后根據(jù)選擇出來的T個(gè)標(biāo)注樣本訓(xùn)練多類別SVM分類器模型fsvm，最后基于訓(xùn)練的SVM分類模型fsvm對(duì)圖像數(shù)據(jù)集中的圖像進(jìn)行圖像類別判斷，依據(jù)判別結(jié)果對(duì)圖像進(jìn)行標(biāo)注，從而實(shí)現(xiàn)基于主動(dòng)學(xué)習(xí)的圖像標(biāo)注。本方法采用迭代依次挑選出最具代表性的圖像數(shù)據(jù)進(jìn)行交互式標(biāo)注，不僅提高訓(xùn)練的SVM模型性能和圖像標(biāo)注的準(zhǔn)確度，還能減少需要標(biāo)注的圖像數(shù)目，達(dá)到減輕人工勞動(dòng)量的目的。