[发明专利]一种主动选择多示例多标记数字图像的相关反馈方法有效
申请号: | 201610369363.1 | 申请日: | 2016-05-30 |
公开(公告)号: | CN106022389B | 公开(公告)日: | 2019-05-14 |
发明(设计)人: | 黄圣君;高能能 | 申请(专利权)人: | 南京航空航天大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人: | 张婷婷 |
地址: | 210000 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种主动选择多示例多标记数字图像的相关反馈方法。多示例多标记学习是近年来提出的一种新的机器学习框架,已在许多实际问题中得到成功应用,基于多示例多标记输入表示的图像自动标注技术能够很好地应用于现实任务。但是随着其表达能力的增强,图像自动标注方法对标记好的训练样本的需求量随着表示空间的变大而急剧增大。本发明通过结合机器学习中的多示例多标记学习和主动学习技术,在不增加用户标注代价的前提下,每一次相关反馈的过程中获得更加精细丰富的标记信息,从而更大程度的提升系统标注精度,有效地减少了用户的参与代价。 | ||
搜索关键词: | 一种 主动 选择 示例 标记 数字图像 相关 反馈 方法 | ||
【主权项】:
1.一种主动选择多示例多标记数字图像的相关反馈方法,其特征在于:包括以下步骤:(一)计算数据库中每张图像对标注模型的价值评分,并选择评分最大的图像作为候选图像X*;(二)计算当前标注模型对于步骤(一)中所选图像上的所有未被反馈的标记的掌握程度,并选择最小值对应的标记作为候选标记y*;(三)将步骤(一)(二)中所选的所述候选图像X*和候选标记y*提供给用户,让用户提供相关性反馈;(四)针对该所述候选图像X*及候选标记y*,根据包括是否相关、最相关示例在内的用户反馈结果进行梯度下降更新标注模型;其中更新标注模型的具体方法为:步骤151:开始程序;步骤152:初始化中间变量r=0,
i=1,其中r记录图像X*与标记y*是否相关,当且仅当r=1时表示相关,s记录图像X*中与y*最相关的示例,i记录进行不放回采样图像X*的不相关标记集合Y‑的次数;步骤153:记录用户的判断结果,对r赋值;步骤154:判断r的值是否为1,如果r=1则进入步骤155,否则进入步骤159;步骤155:将用户反馈的最相关示例x*赋值给s;步骤156:假设图像X*共有m个示例{x1,…,xm},s对应第k∈{1,…,m}个示例,计算
其值从大到小排序,其中,fy(x)为示例x与标记y的相关程度,fy(x)=WyTVx,Wy表示W的第y列;步骤157:判断是否存在xj使得
成立,如果是,则进入步骤158,否则进入步骤159;步骤158:按照公式更新模型变量W的y*列和模型变量V;所述公式分别如下:![]()
其中,P(X*,x*,y*)表示在步骤156中排序位于
之前所对应的示例个数;步骤159:随机采样X*的一个相关标记y;步骤1510:判断中间变量i的值是否小于等于图像X*的不相关标记的个数t=|Y‑|,如果是,则进入步骤1511,否则结束;步骤1511:随机采样一个图像X*的不相关标记
步骤1512:判断
是否成立,如果成立,则进入步骤1513,否则直接进入步骤1514;步骤1513:按照公式更新模型变量,所述公式分别如下:![]()
![]()
其中,
表示与图像X*的相关程度大于标记y的标记个数,x和
分别表示图像X*在标记y和
上的代表示例;步骤1514:将i加1后重新赋值给i,之后返回步骤1510;(五)返回步骤(一)或结束并输出标注模型。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京航空航天大学,未经南京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201610369363.1/,转载请声明来源钻瓜专利网。