[发明专利]一种基于多源大数据分析的图像标注方法

摘要

本文公开了一种基于多源大数据分析的图像标注方法，包括图像多源数据采集、图像数据预处理、图像相似度分析、图像标注；所述图像多源数据采集是相似度分析是利用网络爬虫工具获取图像的相关多源信息；所述图像数据预处理是针对获取到的数据进行数据清洗和存储；所述图像相似度分析是对图像各个来源数据进行相应的相似度分析并且融合计算图像总相似度；所述图像标注是通过相似图像的标注词对图像进行标注。本发明是针对互联网图像的一种标注方法，能够解决目前互联网图像标注不充分的问题。

主权项

1.一种基于多源大数据的图像标注方法，其特征在于：包括以下步骤：S1.互联网图像多源数据采集：利用爬虫工具获取互联网图像多源数据并存储在分布式数据库中，所述互联网图像多源数据包括图像文本数据、图像属性数据、图像发布者数据、图像发布者社交关系数据；S2.图像数据预处理：对互联网图像多源数据进行除噪、中文分词、去停用词、统一规格和数据规约处理，存入数据库中；其中，一个图像信息用一个三元组I＝{Tw,Tm,L}来表示，Tw表示图像的文本信息，Tm表示图像的发布时间，L表示图像的发布位置信息；一个图像发布者信息用一个三元组U＝{P,T,F}来表示，P表示用户的位置信息，T表示用户的描述信息，F表示用户的社交信息；S3.图像相似度分析：通过分别指定图像属性信息、图像文本信息、图像发布者信息、图像发布者社交信息相似度的计算方法，通过融合图像各个源头的数据相似度，求得最终的图像相似度；S4.图像标注：通过计算图像在数据库中的相似度，得到图像的相似图像集，获取图像标注集，对标注集进行除噪生成图像的标注。