[发明专利]标签图片集的建立、标签的确定方法、装置、设备及介质

说明书

本发明实施例公开了一种标签图片集的建立、标签的确定方法、装置、设备及介质。所述标签图片集的建立方法包括：根据用户的点击图片日志，获取第一图片集，并根据所述第一图片集生成聚类图片簇；在所述聚类图片簇中获取设定数量的图片，构成与所述聚类图片簇对应的第二图片集；如果所述第二图片集中各图片的图片内容信息满足内容集中条件，则将所述第二图片集作为候选图片集，并建立与所述候选图片集匹配的视觉标签；筛除所述候选图片集中的无效图片后生成视觉标签图片集，其中，所述视觉标签图片集中的各视觉标签图片对应所述视觉标签图片集的视觉标签。本发明实施例在大大降低人工成本的基础上，提高确定图片的视觉标签的准确性。

技术领域

本发明实施例涉及图像领域，尤其涉及一种标签图片集的建立、标签的确定方法、装置、设备以及存储介质。

背景技术

在互联网个性化新闻推荐中，有大量的信息载体是图像，图像数据相对文本而言，具有信息量丰富、排版美观等优势，是互联网用户消费内容的重要组成部分。

为了能够更好的向用户推荐图片，需要挖掘用户的喜好，确定用户的看图兴趣，识别兴趣图像的内容，并描述兴趣图像，而描述图像的方式可以通过提取图像的视觉标签实现。图像视觉标签，指的是图像中吸引用户看图的视觉内容标签，如多肉植物、汽车和动漫等。目前识别图像内容(或者说在图像中加入视觉内容标签)的常用方案是基于深度学习模型，对图像的内容进行预测。图1a是现有技术中基于深度学习模型预测图像内容的流程图。如图1a所示，对样本图像进行标注，采用深度模型学习大量的标注图像样本，将未知图像或者新图像输入到训练好的深度模型中，输出对未知图像或者新图像的预测结果，也即，输出与未知图像或者新图像对应的视觉内容标签。

一般来说，一个大型的视觉标签确定模型通常需要数百万到几千万的标注数据，而这些标注数据在标注过程中需要耗费大量的人力物力。例如，计算机视觉系统识别项目ImageNet训练数据集有一千多万人工标注数据，这些标注样本如果采用外包给专门的人工众测标注平台，需要消耗大量的资金和时间。此外，目前的视觉标签确定模型，准确率最高能勉强达到80％，离真正可靠使用还有一定差距。

发明内容

本发明实施例提供了一种标签图片集的建立、标签的确定方法、装置、设备以及存储介质标签图片集的建立标签的确定，在大大降低人工成本的基础上，提高确定图片的视觉标签的准确性。

第一方面，本发明实施例提供了一种标签图片集的建立方法，包括：

根据用户的点击图片日志，获取第一图片集，并根据所述第一图片集生成聚类图片簇；

在所述聚类图片簇中获取设定数量的图片，构成与所述聚类图片簇对应的第二图片集；

如果所述第二图片集中各图片的图片内容信息满足内容集中条件，则将所述第二图片集作为候选图片集，并建立与所述候选图片集匹配的视觉标签；

筛除所述候选图片集中的无效图片后生成视觉标签图片集，其中，所述视觉标签图片集中的各视觉标签图片对应所述视觉标签图片集的视觉标签。

第二方面，本发明实施例还提供了一种标签的确定方法，包括：

获取待添加标签图片；

将所述待添加标签图片分别与至少两个视觉标签图片集中的各视觉标签图片进行相似度计算；

获取与所述待添加标签图片满足相似度条件的至少两个目标视觉标签图片，并根据与所述至少两个目标视觉标签图片分别对应的视觉标签，确定所述待添加标签图片的视觉标签。

第三方面，本发明实施例还提供了一种标签图片集的建立装置，包括：

第一图片集生成模块，用于根据用户的点击图片日志，获取第一图片集，并根据所述第一图片集生成聚类图片簇；