[发明专利]一种高效的图像检索性能预测方法

说明书

技术领域

本发明涉及图像检索技术领域，尤其涉及一种高效的图像检索性能预测方法。

背景技术

图像检索技术是在给定查询文本或者图像的前提下，依据内容信息或者指定查询标准，从图像数据库中搜索与用户查询相关的图片，并按照图片与查询间的相关程度从高到低对图片进行排序并将排序结果返回给用户。图像检索技术的研究已经取得了巨大的进展，许多检索模型被相继提出并在实践中不断得到校验、改进和验证，但是大多数检索系统还存在严重的鲁棒性问题，例如，对于某些查询，检索结果质量高，而对于其它查询，检索结果含有很多查询无关的图像。针对不同查询其检索结果间往往存在较大的差异；更有甚者，即使那些平均检索性能很好的检索系统，但对某些查询，它们的检索结果也不能令人满意。因此，我们希望检索系统能够自动识别那些检索结果比较差的查询，并对它们做相应的处理。

查询性能预测是信息检索领域研究的前沿问题。该技术尝试在没有相关信息(即不知道检索结果与查询的相关程度)的情况下，评估检索系统对某一查询其返回结果的好坏程度。查询性能预测能够同时对用户和检索系统产生有益的影响。从用户的角度讲，该技术可以提供有价值的反馈信息，比如，当检索系统预测出某用户的查询结果比较差的时候，可以将该信息反馈给用户，然后用户可以重构他的查询，甚至进一步与检索系统互动以获得更好地检索结果；对检索系统来说，在理想情况下，如果一个检索系统能够预测某一查询的性能，那么它就可以自动地调整其参数或者算法来适应不同的查询，从而获得更好的检索性能。

相对于长期为提高检索系统性能在检索模型上的探索，图像检索查询性能预测的研究还处于初级阶段。最初关于图像检索查询性能预测的研究是基于文本信息的，主要通过研究检索返回图片周围的文本信息(上下文文本，图片URL等)与输入查询文本之间的相互关系，例如文本的具体性、一般性、歧义性和形象性等。这些研究主要存在两点不足：1)忽略图像的视觉内容仅依赖于文本信息，然而文本不足以描述丰富的视觉信息以及文本信息往往包含很多“噪声”；2)没有估计真实的图像检索结果质量，而只是简单将查询分为容易和困难两类。

目前大部分研究是针对检索返回图片视觉内容的查询性能预测。该研究的主要思想是首先将图片表示成由视觉单词组成的“文档”，然后借用文本分析的方法统计一些特性，比如计算由返回图片构成的语言模型和由整个图片集构成的语言模型之间的概率分布差异性；估计返回图片之间的空间一致性；研究针对检索返回列表排名靠前的图片视觉一致性；以及研究返回图片的视觉相似性分布等等。这些研究先提出合理的假设，然后充分利用图片的视觉信息，来估计检索结果的查询性能，推动了图像检索查询性能预测技术的发展。但是这些方法只是给出了一个查询性能高低的指示值，并没有估计出检索结果质量的真值。

目前的研究方法中，除了上述方法外，还有从直接估计真实检索性能方面研究的方法。该方法的大致思想是，首先估计每个返回图片与给定查询的相关性概率，然后利用得到的相关性概率来估计平均准确率，其关键点就是如何准确得估计相关性概率。由于该方法是一种直接估计检索结果质量真值的方法，所以如果无法准确估计出相关性概率，那么势必会影响最终结果的准确性。

发明内容

本发明的目的是提供一种高效的图像检索性能预测方法，该方法复杂度较低，便于实现，不易受噪声影响且能较为准确的对图像检索性能进行预测。

本发明的目的是通过以下技术方案实现的：

一种高效的图像检索性能预测方法，该方法包括：

基于伪相关反馈技术从检索结果中自适应的选择样例图片；

基于投票决策机制，并根据所述检索结果中每一张图片与所述样例图片的视觉相似度来确定每一张图片的投票数，进而估计所述检索结果中每一张图片与输入的查询请求之间的相关性概率；

综合检索结果中所有图片与输入的查询请求之间的相关性概率来计算本次图像检索的平均准确率，实现高效的图像检索性能预测。

进一步的，所述基于伪相关反馈技术从检索结果中自适应的选择样例图片包括：

利用图像检索重排序方法对检索结果进行重新排序，再基于伪相关反馈技术从重新排序的检索结果中自适应的选择样例图片；所述样例图片包括正样例图片集合与负样例图片集合，或者仅包括正样例图片集合；所述正样例图片集合为重新排序的检索结果中排名为前K的图片，所述负样例图片集合为重新排序的检索结果中排名为后K的图片；其中，K的数值通过一致性得分CoS的方法来确定，表示为：