[发明专利]一种图像分类数据标注质量评估方法

权利要求书

1.一种图像分类数据标注质量评估方法，其特征在于，包括：

提供一图像数据集，所述图像数据集包括图像及对每幅图像进行人工标注后得到的分类数据；

图像特征提取，基于图像HSV通道提取每一幅图像中描述图像颜色的多个特征向量，以及基于图像的局部特征提取每一幅图像中用于描述图像外观的多个特征向量；

特征离散程度度量，利用统计量分析，对所述颜色或外观特征向量的离散程度进行建模；

自动化评分，基于建模得到的离散程度模型对所述图像进行打分排序，并以排序结果对所述分类数据进行评估。

2.如权利要求1所述的图像分类数据标注质量评估方法，其特征在于，所述颜色特征向量的提取，包括：

将所述图像从RGB通道格式转换到HSV通道格式；

分别统计H、S两个通道的直方图；

将两个直方图拼接起来构成所述对图像颜色特征进行描述的多个特征向量。

3.如权利要求1所述的图像分类数据标注质量评估方法，其特征在于，所述外观特征的提取，包括：

对所述图像进行局部特征检测与描述；

基于视觉词袋模型将图像中检测到的局部特征一一映射到对应向量，进而构成所述对图像外观特征描述的多个特征向量。

4.如权利要求1所述的图像分类数据标注质量评估方法，其特征在于，每个所述颜色或外观的特征向量为多维向量，所述特征离散度度量包括：

对所述颜色或外观的特征向量归一化处理；

基于归一化后的向量，计算所述颜色和/或外观特征向量的平均值向量；

计算每一个所述颜色或外观的特征向量和其平均值向量之间的夹角；

以所述夹角的统计量表示所述特征离散程度度量。

5.如权利要求4所述的图像分类数据标注质量评估方法，其特征在于，所述归一化处理为：

其中N表示特征向量X的维数，x_i表示特征向量X中的第i维分量。

6.如权利要求5所述的图像分类数据标注质量评估方法，其特征在于，所述计算平均值向量为：

其中C表示特征集中特征向量的数量，x_i^c表示第C个特征向量的第i维分量。

7.如权利要求6所述的图像分类数据标注质量评估方法，其特征在于，所述特征向量和平均值向量之间的夹角为：

其中β^C为夹角，X^C为第C个特征向量，为平均向量。

8.如权利要求7所述的图像分类数据标注质量评估方法，其特征在于，所述特征离散程度度量为：

其中d为特征离散度。

9.如权利要求1所述的图像分类数据标注质量评估方法，其特征在于，

所述自动化评分包括：

将每一个类别下的所述图像数据集中图像颜色特征和外观特征的离散度进行融合，形成整个图像数据集的离散度集合；

对所述离散度集合进行标准化处理；

对标准化后的离散度集合进行排序，得到每一个类别在总分类中的排序。

10.如权利要求9所述的图像分类数据标注质量评估方法，其特征在于，进一步包括：按照所述排序，对所述分类数据进行审核。