[发明专利]一种多标签社交网络图像的标注方法及系统

权利要求书

1.一种多标签社交网络图像的标注方法，其特征在于，所述方法包括：

获取图像数据集；所述图像数据集包括多个图像以及各所述图像对应的标签；

根据所述图像数据集得到第一标签矩阵；

利用柯西分布对所述第一标签矩阵进行去噪处理，得到第二标签矩阵；

将所述图像数据集输入Resnet50残差网络，得到图像提取特征矩阵；所述图像提取特征矩阵包括所述图像数据集中每幅图像对应的2048维特征向量；

将所述第二标签矩阵和所述图像提取特征矩阵输入CNN网络进行训练和优化，得到优化后的CNN网络；

确定待标注特征向量；所述待标注特征向量为待标注图像对应的2048维特征向量；

将所述待标注特征向量输入所述优化后的CNN网络中，得到待标注图像的标签。

2.根据权利要求1所述的多标签社交网络图像的标注方法，其特征在于，所述根据所述图像数据集得到第一标签矩阵，具体公式为：

式中，F表示第一标签矩阵；F_ij表示n个图像中的任一图像i是否拥有m个标签中的任一标签j；若图像i拥有标签j，则对应F_ij＝1，若图像i不拥有标签j，则F_ij＝0。

3.根据权利要求1所述的多标签社交网络图像的标注方法，其特征在于，所述利用柯西分布对所述第一标签矩阵进行去噪处理，得到第二标签矩阵，具体包括：

假设所述第一标签矩阵中的噪声符合柯西分布，利用柯西分布得到所述第一标签矩阵中各噪声的分布情况；

根据所述各噪声的分布情况对所述第一标签矩阵进行去噪处理，得到第二标签矩阵。

4.根据权利要求1所述的多标签社交网络图像的标注方法，其特征在于，所述将所述第二标签矩阵和所述图像提取特征矩阵输入CNN网络进行训练和优化，得到优化后的CNN网络，具体包括：

将所述第二标签矩阵和所述图像提取特征矩阵输入CNN网络中，得到CNN网络实际输出的标签矩阵；

判断所述CNN网络实际输出的标签矩阵与所述第二标签矩阵之间的误差是否小于设定值；

若是，则输出优化后的CNN网络；

若否，则利用柯西分布对所述CNN网络实际输出的标签矩阵进行去噪处理，得到第三标签矩阵；

利用所述第三标签矩阵更新所述第二标签矩阵，并返回步骤“将所述第二标签矩阵和所述图像提取特征矩阵输入CNN网络中，得到CNN网络实际输出的标签矩阵”。

5.根据权利要求1所述的多标签社交网络图像的标注方法，其特征在于，所述确定待标注特征向量，具体包括：

将待标注图像输入Resnet50残差网络，得到待标注特征向量；所述待标注特征向量为所述待标注图像对应的2048维特征向量。

6.一种多标签社交网络图像的标注系统，其特征在于，包括：

图像数据集获取模块，用于获取图像数据集；所述图像数据集包括多个图像以及各所述图像对应的标签；

第一标签矩阵获取模块，用于根据所述图像数据集得到第一标签矩阵；

第二标签矩阵获取模块，用于利用柯西分布对所述第一标签矩阵进行去噪处理，得到第二标签矩阵；

图像提取特征矩阵获取模块，用于将所述图像数据集输入Resnet50残差网络，得到图像提取特征矩阵；所述图像提取特征矩阵包括所述图像数据集中每幅图像对应的2048维特征向量；

训练和优化模块，用于将所述第二标签矩阵和所述图像提取特征矩阵输入CNN网络进行训练和优化，得到优化后的CNN网络；

待标注特征向量确定模块，用于确定待标注特征向量；所述待标注特征向量为待标注图像对应的2048维特征向量；

待标注图像标签获取模块，用于将所述待标注特征向量输入所述优化后的CNN网络中，得到待标注图像的标签。