[发明专利]自动图像标注方法、装置、设备及计算机可读存储介质有效
申请号: | 201910399689.2 | 申请日: | 2019-05-14 |
公开(公告)号: | CN110110800B | 公开(公告)日: | 2023-02-03 |
发明(设计)人: | 陈沅涛;陈曦;谷科;张建明;陶家俊 | 申请(专利权)人: | 长沙理工大学 |
主分类号: | G06V10/774 | 分类号: | G06V10/774;G06V10/44;G06V10/762;G06V10/74;G06V10/82;G06N3/0464 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 罗满 |
地址: | 410114 湖南省*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明实施例公开了一种自动图像标注方法、装置、设备及计算机可读存储介质。其中,方法包括将待标注图像输入至预先构建的深度学习网络模型中,提取深度学习网络模型中间层输出的卷积结果;基于卷积结果,通过稀疏编码生成待标注图像的图像视觉特征向量;计算图像视觉特征向量与预先构建的文本词汇视觉特征向量库中的各文本词汇的文本视觉特征向量的相似度,最后将满足相似度条件的文本词汇作为标注词,自动对待标注图像进行图像标注。本申请无需大规模数据集训练模型,时空开销较小,有效降低了深度特征数据和硬件门槛要求条件,还有利于扩大深度学习应用范围。 | ||
搜索关键词: | 自动 图像 标注 方法 装置 设备 计算机 可读 存储 介质 | ||
【主权项】:
1.一种自动图像标注方法,其特征在于,包括:将待标注图像输入至预先构建的深度学习网络模型中,并提取所述深度学习网络模型中间层输出的卷积结果;基于所述卷积结果,通过稀疏编码生成所述待标注图像的图像视觉特征向量;计算所述图像视觉特征向量与预先构建的文本词汇视觉特征向量库中的各文本词汇的文本视觉特征向量的相似度;将满足相似度条件的文本词汇作为标注词,自动对所述待标注图像进行图像标注。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
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长沙理工大学,未经长沙理工大学许可,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/patent/201910399689.2/,转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序