[发明专利]确定图像标签准确度的方法、装置及计算机可读存储介质在审
| 申请号： | 201910340159.0 | 申请日： | 2019-04-25 |
| 公开（公告）号： | CN110110772A | 公开（公告）日： | 2019-08-09 |
| 发明（设计）人： | 杨松 | 申请（专利权）人： | 北京小米智能科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06F16/55;G06N3/04 |
| 代理公司： | 北京英创嘉友知识产权代理事务所(普通合伙) 11447 | 代理人： | 曹寒梅 |
| 地址： | 100085 北京市海淀区清河*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 准确度 输入图像 标签 计算机可读存储介质 联合特征向量 图像特征向量 图像标签 向量 嵌入 排序 图像处理领域 错误标签 搜索结果 有效地 拼接 去除 顺位 搜索 | ||
1.一种确定图像标签准确度的方法，其特征在于，包括：
提取输入图像的图像特征向量；
计算与所述输入图像相对应的每个标签的词嵌入向量；
将所述图像特征向量与每个所述词嵌入向量分别进行拼接，得到联合特征向量；以及
基于所述联合特征向量计算每个所述标签的准确度。
2.根据权利要求1所述的方法，其特征在于，所述提取输入图像的图像特征向量包括：
利用卷积神经网络提取所述输入图像的图像特征向量。
3.根据权利要求1所述的方法，其特征在于，所述计算与所述输入图像相对应的每个标签的词嵌入向量包括：
通过word2vec模型计算与所述输入图像相对应的每个标签的词嵌入向量。
4.根据权利要求1所述的方法，其特征在于，所述基于所述联合特征向量计算每个所述标签的准确度，包括：
利用多层感知器并基于所述联合特征向量，计算每个所述标签的准确度。
5.一种确定图像标签准确度的装置，其特征在于，包括：
图像特征向量提取模块，用于提取输入图像的图像特征向量；
词嵌入向量计算模块，用于计算与所述输入图像相对应的每个标签的词嵌入向量；
拼接模块，用于将所述图像特征向量与每个所述词嵌入向量分别进行拼接，得到联合特征向量；以及
准确度计算模块，用于基于所述联合特征向量计算每个所述标签的准确度。
6.根据权利要求5所述的装置，其特征在于，所述图像特征向量提取模块包括：
图像特征向量提取子模块，用于利用卷积神经网络提取所述输入图像的图像特征向量。
7.根据权利要求5所述的装置，其特征在于，所述词嵌入向量计算模块包括：
词嵌入向量计算子模块，用于通过word2vec模型计算与所述输入图像相对应的每个标签的词嵌入向量。
8.根据权利要求5所述的装置，其特征在于，所述准确度计算模块包括：
准确度计算子模块，用于利用多层感知器并基于所述联合特征向量，计算每个所述标签的准确度。
9.一种确定图像标签准确度的装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
提取输入图像的图像特征向量；
计算与所述输入图像相对应的每个标签的词嵌入向量；
将所述图像特征向量与每个所述词嵌入向量分别进行拼接，得到联合特征向量；以及
基于所述联合特征向量计算每个所述标签的准确度。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被处理器执行时实现权利要求1～4中任一项所述方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京小米智能科技有限公司，未经北京小米智能科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910340159.0/1.html，转载请声明来源钻瓜专利网。
