[发明专利]一种草图数据集的交互式类别标注方法

权利要求书

1.一种计算机中草图数据集的交互式类别标注方法，其特征在于，包括以下步骤：

步骤一，学习过程：对草图数据集中的已标注草图数据集进行多特征提取，对提取的草图特征进行特征空间度量学习，得到距离度量函数；

步骤二，选择过程：判断如果草图数据集中全是已标注草图数据集，不存在待标注草图数据集，则结束，得到最终结果，即完全标注草图数据集；否则，根据特征空间度量学习结果，对草图数据集中的待标注草图数据集进行特征空间构造，并进行层次化聚类；在聚类结果中，选取聚类纯度最高的聚类，作为最优样本子集；

步骤三，在线标注：用户对选取的最优样本子集中的草图进行交互子集确认，确认的草图是已知类别或者新类别；将用户子集确认的草图进行类别标注，并更新已标注草图数据集，对更新的已标注草图数据集进行多特征提取，对提取的草图特征进行特征空间度量学习，得到更新的距离度量函数；对于子集确认中剩余的草图，即最优样本子集中的非同类草图，保持未标注状态，并更新待标注草图数据集，返回步骤二；若子集确认中无剩余草图，则更新待标注草图数据集后，返回步骤二。

2.根据权利要求1所述的一种计算机中草图数据集的交互式类别标注方法，其特征在于，步骤一和三中所述多特征提取包括以下步骤：

步骤111，傅里叶描述子方法，计算边界点到形状质心的距离r_i1为：

ri1=(xi1-xc1)2+(yi1-yc1)2,]]>i1＝0,1,...,N1-1，

其中，(x_i1,y_i1)为表示第i1个边界点坐标，边界曲线共包含N1个边界点，质心坐标(x_c1,y_c1)计算公式为：

xc1=1N1Σi1=0N1-1(xi1),yc1=1N1Σi1=0N1-1(yi1),]]>

对距离r_i1进行快速傅里叶变换得到傅里叶级数：

an1=1N1Σi1=0N1-1ri1exp(-jπn1i1N1),]]>n1＝0,1,...,N1-1，

其中，j为复数的虚单位，n1为计数参数；

步骤112，Zernike矩方法：定义在单位圆上的复值函数集{V_nm(x_i2,y_i2)}，则在单位圆内的任何平方可积函数为：

V_nm(x_i2,y_i2)＝V_nm(ρ,θ)＝R_nm(ρ)exp(jmθ)，

其中，ρ表示从原点到第i2个点(x_i2,y_i2)的矢量距离向量；θ表示向量ρ跟x轴之间的逆时针方向的夹角，R_nm(ρ)表示点(x_i2,y_i2)的径向多项式，定义为：

Rnm(ρ)=Σi3=0n-|m|2(-1)i3(n-i3)!i3!(n+|m|2-i3)!(n-|m|2-i3)!ρn-2i3,]]>

i3为之间的整数，Zernike矩的阶数n为正整数或0，循环数m为正整数或负整数，且满足n-|m|为偶数，则n阶且具有m重循环的Zernike矩A_nm为：

Anm=n+1πΣxi2Σyi2f(xi2,yi2)Vnm(ρ,θ);]]>

其中，j为复数的虚单位；

步骤113，BOW方法：对每一幅草图，划分为4*4的小块，抽取每个小块的方向向量l，组合成一个列向量表示最终的局部块描述子d＝[l₁,...,l_j1]^T，j1为方向向量的数目，对每个局部块描述子进行归一化，归一化后，得到一个特征包D＝{d_i4}，包括i4个局部块描述子，i4为0到N2-1之间的正整数，N2为局部特征块的数目；

对于局部块描述子d，使用k1均值聚类构建视觉词典，将所有局部块描述子划分为k1个中心不相连的聚类，定义视觉词典V1为向量集合{μ_i5},使得最小，d_j2为第j2个局部块描述子，μ_i5为第i5个向量，定义为：

其中，C_i5为视觉词典中的第i5个聚类，i5取值范围为1～k1，k1为局部块描述子聚类数目；

视觉词的频率直方图h定义为：

h(D)=1|D|Σdi6∈Dq(di6)||q(di6)||1,]]>

其中，d_i6为第i6个局部块描述子，i6为正整数，取值范围为0～N2-1，

q(d_i6)是一个向量值量化函数，定义为：

q(d_i6)＝[K(d_i6,μ₁),...,K(d_i6,μ_k1)]^T，

其中，计算样本点之间的距离K为：

K(d,μ_j3)＝exp(-||d-μ_j3||²/2σ²)，j3＝1,…,k1，

其中，μ_j3为视觉字典中的第j3个向量，参数σ设置为1。