[发明专利]图像标注方法、装置、设备及计算机可读存储介质

说明书

本发明实施例提供一种图像标注方法、装置、设备及计算机可读存储介质。本发明实施例的方法，通过获取标签集中任意两个标签之间的相关度，根据所述标签集中任意两个标签之间的相关度和图像的特征向量，生成融合向量，该融合向量同时包含图像特征信息和标签之间的依赖关系，从而以标签之间的语义相关性来增强样本的特征维度；根据所述融合向量进行图像的标签标注，得到所述图像的标签，通过将卷积神经网络与多标签数据的标签语义相关性结合起来，能够很好的减少模型的输出预测空间，且能够提高基于标签集进行的图像标注的完整性和准确性，提升了图像标注效果。

技术领域

本发明实施例涉及图像标注技术领域，尤其涉及一种图像标注方法、装置、设备及计算机可读存储介质。

背景技术

图像标注问题本质上是一个多标签分类问题，在图像标注问题中，图像作为多标签分类问题中的样本数据，即多标签数据.每个样本都标注了多个类别标签，这多个类别标签组成了一个标签集合，它是以图像的特征为基础的。图像标注的目的就是利用机器学习的方法对于给定图片进行分析与理解，进而输出图像中存在的标签集合。

这种多标签的标注形式是基于事物之间存在一定的关联性的基础上逐渐形成的，在一定程度上丰富了数据的表现形式，同时也体现了数据的语义多样性，我们通过读取样本所关联的标签集合即可获取样本中存在的丰富的语义信息。

标注的多标签之间存在一定的语义关联，但目前已有的图像标注模型大多是基于标签之间相互独立的假设基础上，针对每个标签单独进行训练预测，造成预测标签不完整，甚至存在标签预测出错的情况。

发明内容

本发明实施例提供一种图像标注方法、装置、设备及计算机可读存储介质，用以解决目前已有的图像标注模型大多是基于标签之间相互独立的假设基础上，针对每个标签单独进行训练预测，造成预测标签不完整，甚至存在标签预测出错的情况的问题。

本发明实施例的一个方面是提供一种图像标注方法，包括：

获取标签集中任意两个标签之间的相关度；

提取图像的特征向量；

根据所述标签集中任意两个标签之间的相关度和所述特征向量，生成融合向量；

根据所述融合向量，得到所述图像的标签。

本发明实施例的另一个方面是提供一种图像标注装置，包括：

标签相关度处理模块，用于获取标签集中任意两个标签之间的相关度；

特征提取模块，用于提取图像的特征向量；

融合模块，用于根据所述标签集中任意两个标签之间的相关度和所述特征向量，生成融合向量；

标注模块，用于根据所述融合向量，得到所述图像的标签。

本发明实施例的另一个方面是提供一种图像标注设备，包括：

存储器，处理器，以及存储在所述存储器上并可在所述处理器上运行的计算机程序，

所述处理器运行所述计算机程序时实现上述所述的图像标注方法。

本发明实施例的另一个方面是提供一种计算机可读存储介质，存储有计算机程序，

所述计算机程序被处理器执行时实现上述所述的图像标注方法。