[发明专利]图像的多标签分类方法、装置、计算机设备及存储介质

权利要求书

1.一种图像的多标签分类方法，其特征在于，所述方法包括：

通过标签分类模型中的特征提取层提取待处理图像的图像特征，所述标签分类模型是用于为所述待处理图像添加至少两个标签的神经网络模型；

通过图谱特征矩阵处理所述图像特征，获得待激活数据，所述图谱特征矩阵是知识图谱经过图卷积神经网络处理后得到的矩阵，所述知识图谱用于指示第一标签自身的属性，以及，至少两个所述第一标签之间的关系；

通过所述标签分类模型中的激活层处理所述待激活数据，得到至少两个第二标签；

将至少两个所述第二标签确定为所述待处理图像的标签，所述第二标签属于所述第一标签。

2.根据权利要求1所述的方法，其特征在于，所述通过图谱特征矩阵处理所述图像特征，获得待激活数据，包括：

令所述图像特征矩阵和所述图谱特征矩阵相乘，得到待激活数据矩阵；

所述通过所述标签分类模型中的激活层处理所述待激活数据，得到至少两个第二标签，包括：

通过所述标签分类模型中的所述激活层处理所述待激活数据矩阵，得到至少两个所述第二标签。

3.根据权利要求2所述的方法，其特征在于，所述知识图谱包括标签关系矩阵和节点信息矩阵，所述方法还包括：

将所述标签关系矩阵输入所述图卷积神经网络，所述标签关系矩阵用于指示至少两个所述第一标签之间的关系；

将所述节点信息矩阵输入所述图卷积神经网络，所述节点信息矩阵用于指示所述第一标签自身的属性；

通过所述图卷积神经网络处理所述标签关系矩阵和所述节点信息矩阵，获得所述图谱特征矩阵。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

响应于所述知识图谱中的数据完成更新，获取更新后的知识图谱；

通过所述图卷积神经网络处理所述更新后的知识图谱，获得更新后的所述图谱特征矩阵；

通过所述更新后的所述图谱特征矩阵，更新所述标签分类模型中的所述图谱特征矩阵。

5.根据权利要求3所述的方法，其特征在于，所述图谱特征矩阵的规模是C*N，其中，C是所述第一标签的个数，N是特征维数，C和N均为正整数。

6.根据权利要求2所述的方法，其特征在于，所述图像特征矩阵的规模是N*1，所述图谱特征矩阵的规模是C*N，所述待激活数据矩阵的规模是C*1，C是所述第一标签的个数，N是特征维数，C和N均为正整数。

7.根据权利要求1所述的方法，其特征在于，所述待处理图像包括第一图像和第二图像，所述方法还包括：

响应于所述第一图像和所述第二图像已获取各自对应的所述第二标签，获取所述第一图像和所述第二图像之间的拍摄时刻关系信息，所述拍摄时刻关系信息用于指示所述第一图像和所述第二图像在拍摄时刻上的时序关系，或者，所述拍摄时刻关系信息用于指示所述第一图像的拍摄时刻和所述第二图像的拍摄时刻之间的时长；

响应于所述拍摄时刻关系信息符合预设条件，将目标第二标签增加为所述第二图像对应的所述第二标签，所述目标第二标签是对应于所述第一图像且不对应于所述第二图像的所述第二标签。

8.根据权利要求7所述的方法，其特征在于，所述响应于所述拍摄时刻关系信息符合预设条件，将目标第二标签增加为所述第二图像对应的所述第二标签，包括：

响应于目标时长小于第二阈值，将所述目标第二标签增加为所述第二图像对应的所述第二标签，所述目标时长是所述第一图像的拍摄时刻和所述第二图像的拍摄时刻之间的时长。