[发明专利]一种给图片加标签的方法和系统

说明书

本发明提出了一种给图片加标签的方法，涉及机器学习领域，该方法包括：提供验证页面，所述验证页面上包括至少一张供用户判断的图片，并根据用户的判断结果执行验证程序；接受用户输入的至少一个判断结果，对所述图片以用户输入的该判断结果作为标签进行标注；统计所述图片的标签，当其中某一标签的出现次数占所有标签数的比值超过第一预设值时，以该标签作为该验证图片的真实标签。本发明同时也提出一种给图片加标签的系统。本发明通过利用验证系统，将图片集的清洗工作分包给广大网页访问者，并且也能为验证系统提供可靠的只有人类才能回答的问题，解决对海量图片人工标注效率低、成本高的难题。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种给图片加标签的方法和系统。

背景技术

在机器学习和相关领域，人工神经网络(人工神经网络)的计算模型灵感来自动物的中枢神经系统(尤其是脑)，并且被用于估计或可以依赖于大量的输入和一般的未知近似函数。人工神经网络通常呈现为相互连接的“神经元”，它可以从输入的计算值，并且能够机器学习以及模式识别由于它们的自适应性质的系统。

例如，用于手写字体识别的神经网络是由一组可能被输入图像的像素激活的输入神经元来限定。后期进过加权，并通过一个函数(由网络的设计者确定的)转化，这些神经元的致动被上到其他神经元然后被传递。重复此过程，直到最后，输出神经元被激活。

随着机器学习的发展，各种场景下的识别技术变得越来越重要，比如人脸识别、路标识别、建筑物识别、食品识别等等。这些场景下的识别技术和系统都需要经历数据训练过程，即把大量相关图像和相应的标注一起作为输入给到算法，算法会根据这些训练数据自动学习出相应的模型从而用于实际应用。

由于目前的图形检测方法所要求检测的特征属性信息要求越来越丰富，一般通过有标注的图像利用机器学习算法进行训练得到识别模型，从而对众多未标注的图像进行标注和识别。然而关于图像含义的标注方法一直未得到有效解决，现行的做法是简单的通过人工方法去逐一筛选标注，非常耗时。

比如在训练菜品识别的神经网络中需要高质量的菜品图片和对应菜品名字标签的数据集。一般可以从互联网中使用关键字爬取对应图片。但是这些图片中，有很多错误的标签，所以需要人工对数据集进行清洗。这种人工清洗图片的方式，需要投入大量的人力去标注海量的图片数据，不仅成本巨大，而且往往需要消耗几个月的时间才能初步得到一个可训练机器的数据集。

在中国专利申请：CN01410053879中公开了一种人脸图像的身份标注方法及人脸身份识别方法。该方法为：1)对每一待标注人脸图片的身份进行标注：搜索与该图片相似的人脸图像及对应的网页；根据返回网页中所出现人名的频率确定该图片的身份；分别采用人脸技术平台和人脸身份识别模型检测该图片的身份；综合上述识别结果确定该图片的最终身份并标注；2)将属于同一人名的一组图片与1)中标注结果为该人名的图片进行匹配过滤；3)提取过滤后的每一身份标注图片的特征向量，利用机器学习算法对标注后的人脸图片进行训练，生成人脸身份识别模型；4)对于待检测的两人脸图像，提取其特征向量利用人脸身份识别模型判断其是否属于同一人。在该专利中利用网上出现的相似的图片去对未知图片进行标注。然而这种应用只有极少数场景下可行，而且图片的比对本身是一个非常繁琐的技术，是否能准确在网上抓取到合适的比对图片是一个较难克服的难题。

因此现有技术依然没有给出一个能够有效解决人工标注图片低效率、高成本、长周期的方案。

发明内容

有鉴于此，本发明的目的在于提出一种给图片加标签的方法和系统，该方法使用互联网上普遍存在的图片认证技术，依靠免费的人力资源，解决对海量图片人工标注效率低、成本高的难题。

为实现上述目的，本发明提出了一种给图片加标签的方法，包括：

提供一验证页面，所述验证页面上包括至少一张供用户判断的图片，并根据用户的判断结果执行一验证程序；