[发明专利]一种图像多标签标记方法、装置、设备及可读存储介质

权利要求书

1.一种图像多标签标记方法，其特征在于，包括：

获取目标图像，对所述目标图像进行区域分割，获得与所述目标图像对应的多个目标示例；

利用迭代训练好的目标分类器对多个所述目标示例分别进行分类处理，获得每个所述目标示例的分类结果；

将所述分类结果添加至所述目标图像的标签信息中，获得多标签图像；

其中，迭代训练所述目标分类器的过程，包括：在每一轮训练开始前，利用当前分类器对缺少标签的多示例多标签训练集中的训练样本进行难易分类，获得简单样本集和困难样本集，并利用所述简单样本集对当前分类器进行训练；

其中，所述利用当前分类器对缺少标签的多示例多标签训练集中的训练样本进行难易分类，包括：

利用所述当前分类器对所述多示例多标签训练集中未参与上一轮训练的训练样本进行难易分类，将参与上一轮训练的训练样本直接作为简单样本；

其中，在迭代训练所述目标分类器之前，还包括：

利用神经网络将所述多示例多标签训练集中各个包的所有示例映射为特征向量，并将每一个所述特征向量分别作为一个所述训练样本；

目标分类器训练过程，具体如下：

求得如下目标方程：

其中，代表着样本权重；

为损失函数；

表示数据集，X_i＝{x₁,x₂,...,x_n}表示第i个包，每个包中会有多个示例即{x₁,x₂,...,x_n}，每个包的标签

W＝[w₁,w₂,...,w_L]代表着分类器权重，R_i,j代表第i标签和第j标签是否有联系；

表示两种标签的所有对应示例相似度大于一个阈值(θ)，是第i标签,和第j标签分类器权重的矩阵；

f(v,λ)＝λ((2-v)ln(2-v)+vlnv)为自步学习函数；

为映射函数；

在训练过程中，对所述目标方程进行求解，得到所述目标分类器。

2.根据权利要求1所述的图像多标签标记方法，其特征在于，在所述获得多标签图像之后，还包括：

利用所述多标签图像的所述标签信息进行图像检索。

3.根据权利要求1所述的图像多标签标记方法，其特征在于，在所述获得多标签图像之后，还包括：

利用所述多标签图像的所述标签信息进行图像推荐。

4.根据权利要求1所述的图像多标签标记方法，其特征在于，在所述获得多标签图像之后，还包括：

在所述目标图像为目标视频中的图像时，利用所述标签信息对所述目标视频进行分类。

5.根据权利要求1所述的图像多标签标记方法，其特征在于，在所述获得多标签图像之后，还包括：

在所述目标图像为目标网页的截屏图像时，利用所述标签信息对所述目标网页进行分类。