[发明专利]一种基于软正交辅助空间的零标签危险品标签生成方法

说明书

本发明公开了一种基于软正交辅助空间的零标签危险品标签生成方法、一种用于生成危险品标签的装置、一种计算机可读存储介质及计算机设备。所公开的方法把一定量已有标签信息的图片作为基，把无标签信息图片与这组基进行比较，得到的似然向量作为在这个软正交辅助空间下的标签信息，能够有效区分视觉相似但实际不同的危险品；同时，对图片不同视角的统一性和辅助域进行了修正，减少了不同视角带来的判断误差，使得比较得到的标签更加准确和高效。

技术领域

本发明涉及危险品检测技术领域，具体涉及危险品标签生成方法，尤其涉及一种基于软正交辅助空间的零标签危险品标签生成方法。

背景技术

危险品识别在我们的日常生活中具有十分重要的作用，针对危险品的识别，现有的大多数物体识别方法都是基于有监督学习展开的，即危险品的图片已经具有一系列的相关标签信息，如：种类、位置等。但是，该方法大多是依靠人力来完成贴标签，具有很大的局限性，很难针对规模很大的无标签图片进行识别。

基于此，利用无监督学习识别无标签图片成为一种趋势，其对无标签的图片进行聚类或者将其他已完成标签的数据集转到自己的学习模型中。

例如：专利CN109948776A提出了一种基于LBP的对抗网络模型的标签生成方法，该方法是直接针对于图片本身的信息、纹理来操作的，本质上是获取图片的视觉信息，对于视觉相似但是本质不同的物品很难区分，生成的标签准确率上限受到了很大限制。

专利CN109657726A提出了一种图片多标签分类方法，其解决的是多标签分类的问题，每个样本需要具有多个属性，但是对于危险品的识别来说，只需要判断出危险品种类这一个属性即可，功能不适应。同时，该方法适用于样品规模比较大的情况，规模越大准确率越高，但是对于危险品来说，较难获得如此大规模的样品；该方法的目的是预测图片的标签，待考察物品应该是在样本范围中包含的，需要对很多非危险品物品进行取样，成本较高。

专利CN109816023A提出了用于生成图片标签模型的方法和装置，其采用的是多标签分类方法，每个维度代表一种标签，由它们的组合得到图片的标签信息，但是该方法对于每个维度都是采用二分法，即0/1两种，由于一些处于阈值的细小差异可能会导致错误的出现。而且，对于危险品来说，不同视角可能会导致判断错误，该方法没有针对不同视角统一性进行修正，误差较大，准确性待进一步提升。

因此，有必要提供一种针对无标签信息的危险品标签生成方法，其能显著提高危险品识别的准确率。

发明内容

为了克服上述问题，本发明人进行了锐意研究，设计出一种基于软正交辅助空间的零标签危险品标签生成方法，该方法把一定量已有标签信息的图片作为基，把无标签信息图片与这组基进行比较，得到的似然向量作为在这个软正交辅助空间下的标签信息，能够有效区分视觉相似但实际不同的危险品；同时，对图片不同视角的统一性和辅助域进行了修正，减少了不同视角带来的判断误差，使得比较得到的标签更加准确和高效，从而完成了本发明。

具体来说，本发明的目的在于提供以下方面：

第一方面，提供了一种基于软正交辅助空间的零标签危险品标签生成方法，所述方法包括以下步骤：

步骤1，建立辅助域；

步骤2，训练获得危险品标签生成模型；

步骤3，利用上述获得的危险品标签生成模型，为待测危险品赋予标签。

第二方面，提供了一种用于生成危险品标签的装置，所述装置包括辅助域建立单元、标签获得单元和训练单元；

其中，所述辅助域建立单元用于选取部分有标签的图片形成辅助空间；

标签获得单元用于将无标签图片与辅助域中图片进行比较，获得辅助空间中的比较信息，作为标签信息；

训练单元用于训练获得危险品的标签生成模型。