[发明专利]使用图像分析算法给神经网络提供训练数据的方法和系统

权利要求书

1.一种用于对神经网络进行训练的方法，所述神经网络接收多个输入数字图像，并且针对每个输入数字图像输出用于确定所述输入数字图像中的像素组的相关度的数据，所述方法包括：

通过以下步骤确定训练数据集：

针对第一多个数字训练图像，通过使用被配置为自动地利用相关度对所述第一多个数字训练图像中的每个数字训练图像中的像素组进行标记的第一图像分析算法，确定所述像素组的相关度，其中图像中的像素组的所述相关度定义所述图像的观看者对该像素组的图像内容有多感兴趣，并且其中所述第一图像分析算法基于图像中的像素组的空域及时域图像特性自动地对该像素组内的图像内容的观看者的兴趣进行分级，

将所述第一多个数字训练图像和标记纳为所述训练数据集，并将所述训练数据集用于所述神经网络的训练，

其中，所述第一图像分析算法被配置为通过以下步骤自动地利用相关度对所述像素组进行标记：

计算所述像素组的空域统计度量，

通过对所述第一多个数字训练图像的图像序列施加时域滤波，计算所述像素组的时域统计度量，所述图像序列包括数字训练图像，

通过加权所述像素组的所述时域统计度量和所述空域统计度量来计算加权后的统计度量，并且基于加权后的统计度量利用相关度对所述像素组进行标记。

2.根据权利要求1所述的方法，其中确定所述训练数据集包括：

针对第二多个数字训练图像，通过使用被配置为自动地利用相关度对所述第二多个数字训练图像中的每个数字训练图像中的像素组进行标记的第二图像分析算法，确定所述像素组的相关度，其中所述第二图像分析算法不同于所述第一图像分析算法。

3.根据权利要求2所述的方法，其中所述第二多个数字训练图像包括作为所述第一多个数字训练图像的一部分的至少一个数字训练图像。

4.根据权利要求2所述的方法，其中所述第二多个数字训练图像包括不是所述第一多个数字训练图像的一部分的至少一个数字训练图像。

5.根据权利要求1-4中的任一项所述的方法，其中通过手动地利用相关度对所述第一多个数字训练图像中的至少一个数字训练图像中的像素组进行标记来进一步确定所述训练数据集。

6.根据权利要求2-4中的任一项所述的方法，其中通过手动地利用相关度对所述第二多个数字训练图像中的至少一个数字训练图像中的像素组进行标记来进一步确定所述训练数据集。

7.一种计算机可读存储介质，所述计算机可读存储介质存储有指令，所述指令被适配为当由具有处理能力的设备执行时实施权利要求1所述的方法。

8.一种计算机，包括被布置为对神经网络进行训练的处理器，所述神经网络接收多个输入数字图像，并且针对每个输入数字图像输出用于确定所述输入数字图像中的像素组的相关度的数据，其中所述神经网络的训练包括：

通过以下步骤确定训练数据集：

针对第一多个数字训练图像，通过使用被配置为自动地利用相关度对所述第一多个数字训练图像的每个数字训练图像中的像素组进行标记的第一图像分析算法来确定所述像素组的相关度，其中图像中的像素组的所述相关度定义了所述图像的观看者对该像素组的图像内容有多感兴趣，并且其中所述第一图像分析算法基于图像中的像素组的空域及时域图像特性自动地对该像素组内的图像内容的观看者的兴趣进行分级，

将所述第一多个数字训练图像和标记纳为所述训练数据集，并将所述训练数据集用于所述神经网络的训练，

其中，所述第一图像分析算法被配置为通过以下步骤自动地利用相关度对所述像素组进行标记：

计算所述像素组的空域统计度量，

通过对所述第一多个数字训练图像的图像序列施加时域滤波，计算所述像素组的时域统计度量，所述图像序列包括数字训练图像，

通过加权所述像素组的所述时域统计度量和所述空域统计度量来计算加权后的统计度量，并且基于加权后的统计度量利用相关度对所述像素组进行标记。