[发明专利]面向机器学习的视觉群智感知数据贡献度评价方法及系统

说明书

本发明公开面向机器学习的视觉群智感知数据贡献度评价方法，包括如下步骤：获取视觉群智感知任务，并根据视觉群智感知任务建立任务模型；获取图像数据，并根据图像数据建立图像模型；基于任务模型和图像模型对输入的待检测图像集进行图像分类与识别；基于分类与识别的结果对待检测图像集进行评估，计算数据集质量总评分；根据数据集质量总评分进行数据贡献度评价，获得待检测图像集的贡献度评分。本发明能够合理的对感知数据的视觉质量以及用户贡献度进行评价，并且能够在保障数据质量的基础上激励用户贡献更多的图片，以满足机器学习场景对图片的质量与数量要求。

技术领域

本发明涉及机器学习技术领域，尤其涉及面向机器学习的视觉群智感知数据贡献度评价方法及系统。

背景技术

随着无线通信和传感器技术以及无线移动终端设备的爆炸式普及，市场上的手机和平板电脑等移动设备集成了越来越多的传感器，拥有越来越强大的计算和感知能力，群智感知作为一种新型的感知方式越来越广泛应用。大量的智能手机用户通过移动设备的传感器获取本地化的信息(如位置、上下文、噪声、交通等)，这些信息能够在云端进行聚合，以提供大规模的感知与社会智能挖掘。

移动设备内置摄像头、声音、陀螺仪、加速度等传感器，能够完成数值、音频、图像、视频等不同类型的感知任务，在这些感知方式中，使用移动设备内置的摄像头进行感知的方式近年来越来越受到学术界与工业界的重视。郭斌教授于2017年提出了视觉群智感知的概念，视觉群智感知是移动群智感知的一种特殊形式，要求用户以图像或视频的方式获取现实世界中感兴趣目标的细节信息，由于图像与视频能够提供较为丰富的信息，因而受到了广泛关注，在城市感知、场景识别、救灾、环境检测等方面广泛应用。近年来，机器学习应用于各个领域的数据分析，也成为推动移动群智感知应用的一个主要动力，视觉群智感知成为构建图像数据集的一种重要的数据获取方式。

目前，视觉群智感知已成为机器学习场景中构建图像数据集的一种重要方式，然而，用户提交的数据会存在图像语义不匹配、图像模糊、复制图像等数据质量问题，在机器学习场景中也需要激励用户贡献更多的多样型图像数据，以解决数据集图像数量不足的问题。

发明内容

针对以上问题，本发明设计了一种面向机器学习应用场景的视觉群智感知数据贡献度评价方法及系统，提出了同时考虑了数据质量及数量两个因素的贡献度评价方法，设计了一种融合多标签图像语义相似度、图像清晰度与重复度的视觉群智感知数据质量系数算法，在此基础上，提出综合考虑图像质量与数量的数据贡献度计算方法。实验结果表明，该方法能够合理的对感知数据的视觉质量以及用户贡献度进行评价，并且能够在保障数据质量的基础上激励用户贡献更多的图片，以满足机器学习场景对图片的质量与数量要求。

为了达到上述目的，本发明的技术方案如下：

面向机器学习的视觉群智感知数据贡献度评价方法，包括如下步骤：

发布视觉群智感知任务，并根据视觉群智感知任务建立任务模型；

任务参与者提交图像数据，并根据图像数据建立图像模型；

基于任务模型和图像模型将任务参与者提交的图像集数据通过图像分类模型自动识别图像特征，所述图像特征至少包括图像语义相似度、清晰度、重复度；

基于图像分类模型识别的图像特征，对图像集数据进行评估，计算图像数据集质量总评分；

根据图像集质量总评分进行数据贡献度评价，获得待检测图像集的贡献度评分。

优选地，所述根据视觉群智感知任务建立任务模型，具体是通过一个七元组定义任务模型，所述七元组为：