[发明专利]一种基于特征与多标签增强表示的短视频自动标注方法

权利要求书

1.一种基于特征与多标签增强表示的短视频自动标注方法，其特征在于，所述方法包括：

利用字典映射矩阵、公共低秩表示的积和稀疏误差矩阵重构原始特征矩阵，从而整体构成多视角低秩表征项；

通过对整体数据集进行聚类，获取全部数据集以及不同聚类中潜在标签相关性信息，构成全局与局部标签相关性学习项；

将公共低秩表示作为预测标签，与真实标签相减得到标注误差并使其最小化，构成最小化标注误差项；

由多视角低秩表征项、全局与局部标签相关性学习项、最小化标注误差项进行加权获得总目标函数，利用交替方向乘子法优化总目标函数，引入拉格朗日乘子，依次迭代更新各个矩阵变量，直至目标函数的值收敛，进而得到最终的标注结果。

2.根据权利要求1所述的一种基于特征与多标签增强表示的短视频自动标注方法，其特征在于，所述多视角低秩表征项具体为：

s.t.X_i＝D_iL+E_i,i＝1,2,...,V

其中，i为视角序号，为第i视角的特征矩阵，为第i视角的字典映射矩阵，L∈R^C×N为多视角特征的公共低秩表示，为稀疏误差矩阵，R为实数集，d_i为第i视角的特征维度，V为视角总数，N为样本总数，C为标签类别总数，∑(·)为求和符号，||·||_*为核范数，||·||₁为l₁范数，λ₁和λ₄为调节参数。

3.根据权利要求2所述的一种基于特征与多标签增强表示的短视频自动标注方法，其特征在于，所述全局与局部标签相关性学习项具体为：

s.t.B^T＝GL+E_B

其中，k为聚类个数，v为聚类的类别序号，m和n为标签序号，G∈R^C×C为标签相关性矩阵，G_m,n为第m个标签与第n个标签之间的相关性，B∈R^N×C为短视频的真实标签矩阵，E_B∈R^C×N为标签误差矩阵，||·||₂为2范数，λ₃为调节参数，为真实标签矩阵中第v聚类中第m个标签所构成的向量，为真实标签矩阵中第v聚类中第n个标签所构成的向量，λ₂为调节参数。

4.根据权利要求3所述的一种基于特征与多标签增强表示的短视频自动标注方法，其特征在于，所述最小化标注误差项具体为：

其中，T表示矩阵的转置，||·||_F代表矩阵的F范数。