[发明专利]基于半监督关系主题模型的弱标签社交图像识别方法

摘要

本发明公开了一种基于半监督关系主题模型的弱标签社交图像识别方法，主要解决现有的社交图像识别方法利用图像弱标签不足的缺点。其实现步骤是：1.输入带用户标签的图像集，提取图像集每幅图像的特征，以图像集中每个图像的特征为顶点，图像间的标签关系为边的权重，构建图像间关系无向图；2.根据图像间关系无向图，建立半监督关系主题模型；3.根据半监督关系主题模型，预测图像的类别，完成图像的识别。本发明能充分利用图像的弱标签对图像间关系进行建模，提高了图像识别的准确率，可用于对社交图像的识别。

主权项

一种基于半监督关系主题模型的弱标签社交图像识别方法，包括：(1)输入带用户标签的图像集，提取图像集每幅图像的特征，以图像集中每个图像的特征为顶点，图像间的标签关系为边的权重，构建图像间关系无向图。(2)根据图像间关系无向图，建立半监督关系主题模型：(2a)对图像在主题上的概率分布随机采样，得到图像主题的采样样本；(2b)根据图像主题的采样样本，估计图像主题的视觉单词分布参数；(2c)对图像主题的采样样本求均值，结合图像间的权重关系，估计图像间主题相似度；(2d)根据图像主题的视觉单词分布参数以及图像间的相似度，得出半监督关系主题公式：$p(w,l,y,\mathrm{\θ},\mathrm{\φ},z|\mathrm{\α},\mathrm{\β},\mathrm{\η})=\underset{d\∈D}{\Π}p\left({\mathrm{\θ}}_d\right|\mathrm{\α})\underset{n\∈N_d}{\Π}p\left(z_{dn}\right|{\mathrm{\θ}}_d)p\left(w_{dn}\right|{\mathrm{\φ}}_{z_{dn}})$其中w表示视觉单词向量，l表示图像间关系，y表示图像类别，θ表示图像主题概率分布矩阵，φ表示视觉单词分布参数，z表示主题，α,β表示狄利克雷参数，η表示类别标记的分布，D表示图像集，d,d'表示图像集中的两幅不同图像，θ_d表示图像d的主题概率分布，N_d表示图像d中视觉单词个数，n表示视觉单词的序号，z_dn表示图像d中第n个视觉单词的主题，w_dn表示图像d中第n个视觉单词，φ_zdn表示主题z_d,n的概率分布，J表示主题向量，k表示主题的序号，φ_k表示主题k的概率分布，y_d表示图像d的类别，分别表示图像集中两幅不同图像d,d'的主题均值，l_d,d'表示图像集中两幅不同图像d,d'的权重关系。(3)根据半监督关系主题模型，预测图像的类别，完成图像的识别。