[发明专利]跨DIKW模态的混合特征机器学习建模与标记方法

权利要求书

1.一种跨DIKW模态的混合特征机器学习建模与标记方法，其特征在于，所述方法包括以下步骤：

获取应用于机器学习的训练集图片，所述训练集图片为经过标注的图片并至少包含一个识别目标，建立训练集图片的DIKW模型；

对训练集图片进行裁剪处理，将其切分为多张训练集子图片；

建立训练集子图片的DIKW模型，将训练集图片和训练集子图片输入到机器学习模型中对机器学习模型进行训练，令机器学习模型学习训练集子图片识别目标与训练集图片识别目标之间的整体与局部关系；

将待标记图片输入到机器学习模型中，机器学习模型为待标记图片中的识别目标进行识别并添加标注框，为标注框中的识别目标添加标记。

2.根据权利要求1所述的一种跨DIKW模态的混合特征机器学习建模与标记方法，其特征在于，所述令机器学习模型学习训练集子图片与训练集图片之间的整体与局部关系，具体为：遍历训练集子图片DIKW模型节点，查找训练集图片DIKW模型中与其相匹配的节点，根据与其相匹配的节点在训练集图片DIKW模型中的位置及其内容判断训练集子图片与训练集图片的整体与局部关系。

3.根据权利要求1所述的一种跨DIKW模态的混合特征机器学习建模与标记方法，其特征在于，还将训练集子图片的位置组合进行调整，将训练集图片和经过位置调整的训练集子图片输入到机器学习模型中对机器学习模型进行训练，令机器学习模型学习训练集子图片识别目标与训练集图片识别目标之间的结构关系。

4.根据权利要求3所述的一种跨DIKW模态的混合特征机器学习建模与标记方法，其特征在于，所述令机器学习模型学习训练集子图片与训练集图片之间的结构关系，具体包括以下步骤：

识别经过位置调整的训练集子图片，查询其对应的DIKW模型；

基于训练集子图片的DIKW模型查找与训练集子图片中的识别目标相关的类型资源，所述与训练集子图片中的识别目标相关的类型资源称为相关类型资源；

在训练集图片的DIKW模型中查找与相关类型资源内容相同的对应类型资源；

根据训练集图片的DIKW模型中的知识模型和对应类型资源判断训练集子图片与训练集图片之间的结构关系。

5.根据权利要求1所述的一种跨DIKW模态的混合特征机器学习建模与标记方法，其特征在于，还将不同的训练集图片进行跨图片组合，将组合后的图片输入到机器学习模型中，令机器学习模型学习时空维度下的识别目标变化性。

6.根据权利要求5所述的一种跨DIKW模态的混合特征机器学习建模与标记方法，其特征在于，所述将不同训练集的图片进行跨图片组合，将组合后的图片输入到机器学习模型中，令机器学习模型学习时空维度下的识别目标变化性，具体包括以下步骤：

将不同的训练集图片通过图层叠加或拼接的方式进行跨图片组合，得到组合后图片；

将组合后图片输入到机器学习模型中，机器学习模型对组合后图片中的识别目标进行识别并添加标注框，对标注框中的识别目标进行类型化获得类型资源；

根据所获得的类型资源对识别目标原先所属的训练集图片的DIKW模型进行更新。

7.根据权利要求1所述的一种跨DIKW模态的混合特征机器学习建模与标记方法，其特征在于，所述机器学习模型为待标记图片中的识别目标进行识别并添加标注框，为标注框中的识别目标添加标记，具体包括：

对待标记图片的背景、识别目标进行类型化得到相应的类型资源，将背景类型资源和识别目标类型资源进行模态运算得到新的识别目标类型资源；

根据识别目标类型资源查询识别目标DIKW模型，根据识别目标类型资源和识别目标DIKW模型对识别目标进行标注。