[发明专利]基于数据图谱、信息图谱和知识图谱的图像数据目标识别增强方法

说明书

本发明是一种基于数据图谱、信息图谱、知识图谱架构的图像数据目标识别增强方法。主要用于解决现有图像识别方法无法识别训练集中未标注类别的图像识别问题，属于分布式计算和软件工程学技术交叉领域。关键在于从已有的基于深度学习方法的图像类型识别结果出发，根据已有图像资源构建三层图谱，将未识别的图像类别在数据图谱进行特征匹配得到初始匹配结果，将已识别的图像类别在信息图谱上进行关系匹配得到中间匹配结果，最后在知识图谱中进行间接交互关系匹配，计算中间匹配结果的可信度并排序，推荐给用户可信度最高的匹配图像类别。

技术领域

本发明是一种基于数据图谱、信息图谱和知识图谱架构的图像数据目标识别增强方法。主要用于解决现有图像识别方法无法识别训练集中未标注类别的图像识别问题，属于分布式计算和软件工程学技术交叉领域。

背景技术

知识图谱已经成为用带有标记的有向图的形式来表示知识的强大工具，并能赋予文本信息语义。知识图谱是通过结点的形式将项目、实体或用户表示出来，通过边的形式将彼此相互作用的结点链接起来构造的图形，结点之间的边可以表示任何语义关系。知识图谱的构建按照知识获取的过程分为信息抽取、知识融合和知识加工三个层次，定义知识图谱是一个具有属性的实体通过关系链接而成的网状知识库，其研究价值在于能以最小的代价将互联网中积累的信息组织成可被利用的知识，从而通过推理实现概念检索和图形化知识展示。数据是通过观察数字或其他基本个体项目得到的。信息通过数据和数据组合的背景传达，适用于分析和解释。知识是从积累的信息中获得的一般理解和经验，根据知识能推测出新的背景。

最传统的图像识别技术是人工识别，现已经可以通过深度学习的方法识别出已标识的图像，机器在反复识别同一类对象中逐渐模拟出一个方程，这个方程逼近于所识别对象的共同特征，最后达到识别的目的，但是深度学习的方法并不能解决未标识图像的识别问题。本发明主要是通过借助数据图谱、信息图谱、知识图谱的架构去正确的识别出尽可能多的未被标识过的对象。

发明内容

技术问题：本发明是一种基于数据图谱、信息图谱和知识图谱架构的图像数据目标识别增强方法。引入数据图谱、信息图谱、知识图谱架构对未标识图像进行知识推理，从而实现自动智能的识别出图片中或者摄像机所拍摄到的图像。本发明将图像的结构，特征，频度以及交互关系，语义关系分别放在数据图谱、信息图谱和知识图谱中，借助于这个架构给出可信度最高的识别结果。

技术方案：本发明是一种策略性方法，可以应用于图片或者摄像机的图像目标识别，有助于解决当前机器学习中无法识别未标识图像的问题。本发明将图像的结构，特征，频度以及交互关系，语义关系分别放在数据图谱、信息图谱和知识图谱中，然后将未标识图像与数据图谱中的数据进行比较，得出初始匹配结果；再用已标识图像与信息图谱中的交互关系进行比较，通过计算得到中间匹配结果；最后在知识图谱中进行知识推理得到间接交互关系，其中可信度最高的就是我们所识别出的最终结果。

体系结构：本专利首先针对已识别图像建立了数据图谱、信息图谱、知识图谱架构，针对未识别图像A遍历数据图谱，得到与Ai的数据匹配度R（Ai），按照R(Ai)从大到小的顺序选出初始匹配结果A1、A2、… An；将初始匹配结果与已识别图像集{B}在信息图谱中进行关系匹配，得到关系匹配度Y（Ai）和X(Ai)，按照X(Ai)从大到小的顺序选出A1、A2、… Ak，将Ai’与{B}在知识图谱中进行计算推理，得出可信度最高的结果。目前，我们已经可以运用深度学习来识别已标识的图像，本发明在此基础上，引入数据图谱、信息图谱、知识图谱架构对未标识图像进行知识推理，从而实现自动智能的识别出图片中或者摄像机所拍摄到的图像。下面给出构建数据图谱、信息图谱、知识图谱的具体说明: