[发明专利]一种在线数字媒体分类的快速特征提取方法

说明书

技术领域

本发明涉及一种数字媒体分类的处理方法，特别涉及一种在线数字媒体分类的快速特征提取方法。

背景技术

当前，视频、音频、媒体等数字媒体广泛应用于各行各业中，数字媒体的积累也越来越多。在很多在线应用中都需要对数字媒体进行实时分类，例如Web视频搜索、Web媒体搜索、带媒体的Web网页分类等。在这样的任务中，速度是一个非常重要的因素。为了进行数字媒体分类，首先要从数字媒体对象中提取一组事先设定的特征，用这些特征来对数字媒体对象进行表示，在此基础上再进行分类。目前的技术是在遇到一个待分类数字媒体对象时，把事先设定的所有特征都提取出来，然后将这些特征信息提交给预测模型进行分类。这样的做法忽略了一个问题，即对具体的一个数字媒体对象来说，往往只需使用一部分特征就可以进行有效分类，提取其他特征所使用的时间就成为一种浪费。为了提高速度，可以考虑不为每个数字媒体对象提取全部特征，具体来说，对“简单”的对象只提取少量特征，而对“复杂”的对象提取更多的特征，这样就可以节省用于特征提取的时间开销，从而提高处理速度。

发明内容

发明目的：本发明针对目前在线数字媒体分类方法中存在由于提取不必要的特征而带来计算资源和时间额外开销的问题，提出一种自适应提取数字媒体对象特征的分类方法，该方法自动地为相对容易处理的数字媒体对象提取少量特征、为相对难以处理的数字媒体对象提取较多特征，从而提高在线数字媒体处理的速度。

技术方案：本发明所述的一种在线数字媒体分类的快速特征提取方法，其数字媒体分类装置的分类流程如图1所示。首先，数字媒体分类装置需要将训练媒体对象转换成特征表示。用户要有一个媒体库，其中的媒体对象均带有类标记。将数字媒体对象输入到特征提取算法中，得到媒体对象的特征向量。数字媒体对象的特征提取方法有很多种，一种方法对应于一个特征，例如，对于一幅图像，其对比度就是该对象的一个特征。记特征总的个数为d。然后将媒体的特征向量和媒体的类标记输入一个预测模型的建模算法，得到一个预测模型。在预测阶段，用户将待预测媒体对象输入预测模型，预测模型输出媒体对象的类标记。在预测阶段的时间开销是提取待预测媒体对象特征的时间开销之和再加上预测模型对特征向量的分类时间，而对特征向量的分类时间一般开销很少，所以提取媒体对象特征时间开销成为减少总的预测时间开销的瓶颈。本发明提供一种适用于在线数字媒体分类的自适应特征提取机制，通过以下步骤来实现对媒体对象的高效分类：(1)如果预测模型尚未建立，执行步骤2，否则转入步骤5；(2)将特征按提取时间开销排序；(3)按序提取训练媒体对象的特征；(4)按序训练一个备选子预测模型序列；(5)提取待预测媒体对象的特征；(6)使用对应于所提取特征的子预测模型对待预测媒体对象分类；(7)如果该子预测模型的预测置信度不够高且还有可提取的特征，则转入步骤5，提取更多的特征，否则转入步骤8；(8)输出媒体对象的类标记；(9)结束。

有益效果：本发明自动地对“简单”的对象只提取少量特征，而对“复杂”的对象提取更多的特征，这样就可以节省用于特征提取的时间开销，从而提高在线数字媒体处理的速度。

附图说明

图1是数字媒体分类装置工作流程图。

图2是本发明的流程图。

图3是本发明的备选子预测模型序列的建模流程图。

图4是本发明中预测模型的分类流程图。

具体实施方式

下面将结合附图对本发明的实施例进行详细说明。

本发明的主要流程如图2所示。步骤10是起始动作。步骤11判断预测模型是否已经训练好，如果是则转入步骤15，否则转入步骤12，训练预测模型。步骤12按照特征的提取时间开销从小到大将特征排序。步骤13按照特征顺序，依次将训练集中媒体对象的特征提取出来。步骤14使用已经提取的特征构建一个备选子预测模型序列，其详细说明如图3所示。步骤15使用建好的预测模型对没有类标记的对象进行分类，其详细说明如图4所示。算法在步骤16中输出结果，结束于步骤17。