[发明专利]使用语义距离学习的自动图像注释

摘要

图像使用语义距离学习来自动注释。手动注释训练图像并将其划分成语义聚类。对于这些聚类学习语义距离函数(SDF)。使用对应于每一个聚类的SDF来计算新图像和聚类中的每一个图像之间的语义距离分数。使用对应于每一个聚类的分数来生成根据聚类中的每一个图像离新图像的语义距离来对该训练图像进行排序的排序列表。为每一个聚类估算关联概率，该关联概率指定新图像在语义上与聚类相关联的概率。从对每一个聚类中的图像的手动注释中生成对新图像的聚类专用概率性注释。使用对应于所有聚类的关联概率和聚类专用概率性注释来生成对新图像的最终注释。

主权项

1.一种用来自动地注释新图像的计算机实现的过程，包括使用计算设备来执行以下过程动作：输入训练图像集其中所述新图像不在中；用关键字注释向量手动地注释中的每一训练图像；将划分成多个训练图像语义聚类其中k是唯一地标识每一聚类的变量，包括语义上相似的训练图像，且将每一训练图像划分到单个聚类中；对每一训练图像语义聚类学习的语义距离函数(SDF)f^(k)，利用f^(k)来计算所述新图像和中的每一训练图像之间的成对基于特征的语义距离分数，以产生的成对基于特征的语义距离分数集，其中所述集合中的每一基于特征的分数指定对所述新图像和中的特定训练图像之间的直观语义距离的度量，利用的所述成对基于特征的语义距离分数集来生成的排序列表，其中所述列表根据中的每一训练图像与所述新图像的直观语义距离来对中的该训练图像进行排序，估算的聚类关联概率p(k)，其中p(k)指定所述新图像在语义上与相关联的概率，并且将中的每一训练图像的所述关键字注释向量概率性地传播至所述新图像，以产生所述新图像的聚类专用概率性注释向量w^(k)；以及利用所有训练图像语义聚类的p(k)和w^(k)来生成所述新图像的最终关键字注释向量w。