[发明专利]图像多尺度自动标注方法

说明书

本发明涉及一种图像多尺度自动标注方法，步骤包括：在训练集中寻找待标注图像的K近邻图像；全局标注在K近邻图像中出现的频率作为第一权重；选择匹配度最高的M个K近邻图像加入候选集；依据候选集图像的每个全局标注出现的频率更新第一权重获得第二权重；利用候选集图像对待标注图像进行局部标注；计算待标注图像的每个局部标注在训练集图像中与训练集图像的所有全局标注的平均相关度系数，与第一权重和第二权重加权求和得到第三权重，取第三权重最大的t个全局标注作为待标注图像的全局标注。本发明方法实现了图像的局部语义与全局语义的多尺度标注。在进行全局标注时，利用了局部标注与全局标注间的关联度信息，提高了全局标注的准确性。

技术领域

本发明涉及机器学习技术领域，特别是涉及一种图像的自动标注技术。

背景技术

图像自动标注技术是机器学习和计算机视觉中的研究热点之一，图像自动标注就是以单词、词汇的形式，自动地给图像赋予语义信息。图像的自动标注在多个领域都有巨大的应用价值，其基本的思想在于利用已有标注的图像训练一个模型，然后将模型应用在无标注的待标注图像上，进而推理出待标注图像的语义。

图像的语义可分为局部语义和全局语义两种尺度，其中局部语义指图像中某一部分呈现的语义，它能够与图像中某些位置的像素建立映射；全局语义是指图像整体反映出的语义，它很难与具体的像素建立联系，而往往是图像中多个特征联合表达出的语义。

在现有的技术中，对图像局部语义的自动标注，语义分割是一种有效的方法，它通过给图像中每个像素一个语义标签，实现了局部语义的标注，与不建立像素和语义对应关系的普通图像标注技术相比，语义分割能够更精确的实现局部语义标注，但是无法实现全局语义的标注。目前还缺乏在语义分割基础上进行多尺度语义标注的方法研究。

发明内容

本发明所要解决的技术问题是，克服现有技术的上述缺点，提供一种图像多尺度自动标注方法，在语义分割实现精确局部语义标注的基础上，进一步实现全局语义标注。

为了解决以上技术问题，本发明提供的图像多尺度自动标注方法，其特征在于，包括以下步骤：

第1步、在训练集中寻找待标注图像的K近邻图像，所述训练集包含N个图像，每个图像对应若干全局标注，每个图像的每个像素对应一个局部标注；

第2步、每个全局标注在K近邻图像中出现的频率作为该全局标注的第一权重；

第3步、对待标注图像和每个K近邻图像建立逐像素的密集匹配，选择匹配度最高的M个K近邻图像加入候选集；

第4步、计算候选集中图像的每个全局标注出现的频率，与对应全局标注的第一权重加权求和得到该全局标注的第二权重；

第5步、利用候选集图像的局部标注信息对待标注图像进行逐像素的局部标注赋值；

第6步、计算待标注图像的每个局部标注在训练集图像中与训练集图像的所有全局标注的平均相关度系数，与对应全局标注的第一权重和第二权重加权求和得到对应全局标注的第三权重，训练集图像的全局标注根据第三权重从大到小进行排序，取前t个全局标注作为待标注图像的全局标注。

本发明方法实现了图像的局部语义(局部标注)与全局语义(全局标注)的多尺度标注。在进行全局标注时，利用了每个全局标注在K近邻图像中出现的频率、在候选集中图像中出现的频率以及局部标注与全局标注间的关联度信息、提高了全局标注的准确性(全局标注排序更准确)。相对于传统互相孤立的局部标注方法和全局标注方法，本发明将两者结合在一起，通过建立一个统一的模型，实现局部标注和全局标注的一步实现，提高了图像标注效率。

附图说明

下面结合附图对本发明作进一步的说明。

图1本发明图像多尺度自动标注方法的流程图。

具体实施方式