一种基于支持向量机的图像自动标注方法及装置制造方法及图纸

本申请实施例提供了一种基于支持向量机的图像自动标注方法，属于图像自动标注技术领域。所述方法包括：获取预先存储的待标注图片，通过所述多种视觉特征提取算法，分别对所述待标注图片进行视觉特征提取，得到多个视觉特征向量，通过所述多个视觉特征向量计算所述待标注图片的总特征向量，根据所述总特征向量在预先存储的语义概念坐标系中对应的第一位置点，以及目标语义概念在所述语义概念坐标系中对应的语义概念边界，判断所述待标注图片是否包含所述目标语义概念，如果所述待标注图片包含所述目标语义概念，则将所述待标注图片保存至所述目标语义概念对应的语义组中。采用本发明专利技术可以提高图像自动标注的准确率。

An automatic image annotation method and device based on support vector machine

The embodiment of the present application provides an image automatic annotation method based on support vector machine, which belongs to the technical field of image automatic annotation. The method comprises acquiring a pre-stored image to be annotated, extracting the visual features of the image to be annotated by the various visual feature extraction algorithms, obtaining a plurality of visual feature vectors, calculating the total feature vectors of the image to be annotated by the plurality of visual feature vectors, and according to the total features. The first position point corresponding to the eigenvector in the pre-stored semantic concept coordinate system and the semantic concept boundary corresponding to the target semantic concept in the semantic concept coordinate system determine whether or not the annotated picture contains the target semantic concept, and if the annotated picture contains the target semantic concept, the target semantic concept will be determined. The picture to be annotated is saved to the semantic group corresponding to the target semantic concept. The invention can improve the accuracy of automatic image marking.

【技术实现步骤摘要】
一种基于支持向量机的图像自动标注方法及装置
本申请涉及图像自动标注
，特别是涉及一种支持向量机的图像自动标注方法及装置。
技术介绍
随着网络信息时代的发展，海量图像信息充斥于各大网络平台的图片库中，用户对从图片库中快速、准确获取目标图片的需求日益强烈，因此，图像自动标注技术作为图像检索和未知图像理解的关键技术受到了越来越多的关注。目前图像自动标注方法有传统的人工标注和图像自动标注两种。传统的人工标注图像流程为：某一个工作人员读取待标注图片中的关键信息，将关键信息作为语义概念标注在图片上，然后将包含同一语义概念的图片放置在同一个语义组中，便于分类管理。人工标注图像受限于人眼分辨率及主观认识，不能有效的读取一些模糊图片的关键信息，无法获取待标注图片更多的视觉特征，图像标注的准确率低。
技术实现思路
本申请实施例的目的在于提供一种基于支持向量机的图像自动标注方法及装置，以实现提取待标注图像更多的视觉特征，提高图像自动标注的准确率。具体技术方案如下：第一方面，提供了一种基于支持向量机的图像自动标注方法，所述方法应用于图像搜索服务器，所述图像搜索服务器中预先存储有图像自动标注模型，所述图像自动标注模型包含多种视觉特征提取算法和支持向量机，所述方法包括：获取预先存储的待标注图片；通过所述多种视觉特征提取算法，分别对所述待标注图片进行视觉特征提取，得到多个视觉特征向量；通过所述多个视觉特征向量计算所述待标注图片的总特征向量，根据所述总特征向量在预先存储的语义概念坐标系中对应的第一位置点，以及目标语义概念在所述语义概念坐标系中对应的语义概念边界，判断所述待标注图片是否包含所述目标语义概念；如果所述待标注图片包含所述目标语义概念，则将所述待标注图片保存至所述目标语义概念对应的语义组中。可选的，所述方法还包括：获取预先存的训练图像集，其中，所述训练图像集包括多个图像样本，以及每个图像样本包含的语义概念；基于所述训练图像集，对所述初始训练模型进行训练，得到所述图像自动标注模型。可选的，所述基于所述训练图像集，对所述初始训练模型进行训练，包括：对所述训练图像集按照语义概念进行分组，得到多个语义组；针对每个语义组，通过所述多种视觉特征提取算法，分别提取该语义组中各图像样本的视觉特征，得到所述各图像样本对应的多个视觉特征向量；根据所述各图像样本对应的多个视觉特征向量，确定所述各图像样本对应的总特征向量，通过支持向量机内预存的联合SVM核函数，将所述各图像样本对应的总特征向量映射到预存的核空间中的空间坐标点；通过支持向量机和所述各图像样本的空间坐标点，计算该语义组对应的语义概念在所述核空间中的语义概念边界；通过所述支持向量机，将所述语义概念边界映射到所述语义概念坐标系中，并存储该语义组对应的语义概念在所述语义概念坐标系中的语义概念边界。可选的，所述多种视觉特征提取算法至少包括最高加速鲁棒特征TopSurf、轮廓熵特征PEF和色矩colormoments。第二方面，提供了一种基于支持向量机的图像自动标注装置，所述装置应用于图像搜索服务器，所述图像搜索服务器中预先存储有图像自动标注模型，所述图像自动标注模型包含多种视觉特征提取算法和支持向量机，所述方法包括：第一获取模块，用于获取预先存储的待标注图片；提取模块，用于通过所述多种视觉特征提取算法，分别对所述待标注图片进行视觉特征提取，得到多个视觉特征向量；计算模块，用于通过所述多个视觉特征向量计算所述待标注图片的总特征向量；判断模块，用于根据所述总特征向量在预先存储的语义概念坐标系中对应的第一位置点，以及目标语义概念在所述语义概念坐标系中对应的语义概念边界，判断所述待标注图片是否包含所述目标语义概念；保存模块，用于在所述待标注图片包含所述目标语义概念时，将所述待标注图片保存至所述目标语义概念对应的语义组中。可选的，所述装置还包括：第二获取模块，用于获取预先存的训练图像集，其中，所述训练图像集包括多个图像样本，以及每个图像样本包含的语义概念；训练模块，用于基于所述训练图像集，对所述初始训练模型进行训练，得到所述图像自动标注模型。可选的，所述训练模块，包括：分组子模块，用于对所述训练图像集按照语义概念进行分组，得到多个语义组；提取子模块，用于针对每个语义组，通过所述多种视觉特征提取算法，分别提取该语义组中各图像样本的视觉特征，得到所述各图像样本对应的多个视觉特征向量；第一映射子模块，用于根据所述各图像样本对应的多个视觉特征向量，确定所述各图像样本对应的总特征向量；通过支持向量机内预存的联合SVM核函数，将所述各图像样本对应的总特征向量映射到预存的核空间中的空间坐标点；计算子模块，用于通过支持向量机和所述各图像样本的空间坐标点，计算该语义组对应的语义概念在所述核空间中的语义概念边界；存储子模块，用于通过所述支持向量机，将所述语义概念边界映射到所述语义概念坐标系中；用于存储该语义组对应的语义概念在所述语义概念坐标系中的语义概念边界。可选的，所述多种视觉特征提取算法至少包括最高加速鲁棒特征TopSurf、轮廓熵特征PEF和色矩colormoments。第三方面，提供了一种图像自动标注服务器，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器被所述机器可执行指令促使：实现一种基于支持向量机的图像自动标注方法中任一所述的方法步骤。第四方面，提供了一种机器可读存储介质，存储有机器可执行指令，在被处理器调用和执行时，所述机器可执行指令促使所述处理器：实现一种基于支持向量机的图像自动标注方法中任一所述的方法步骤。本专利技术实施例提供的一种基于支持向量机的图像自动标注方法及装置，通过使用图像自动标注模型中的多种视觉特征提取算法，提取同一图像的不同视觉特征。基于本方案，可以从图像中提取多种视觉特征，并根据多种视觉特征进行图像标注，提高了图像自动标注的准确率。当然，实施本申请的任一产品或方法必不一定需要同时达到以上所述的所有优点。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种基于支持向量机的图像自动标注方法流程图；图2为本专利技术实施例提供的一种训练图像自动标注模型的方法流程图；图3为本专利技术实施例提供的一种基于支持向量机的图像自动标注装置的结构示意图；图4为本专利技术实施例提供的一种训练图像自动标注模型的装置的结构示意图；图5为本专利技术实施例提供的一种图像自动标注服务器的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本专利技术实施例提供了一种基于支持向量机的图像自动标注方法，可以应用于图像搜索服务器，其中，图像搜索服务器是可以实现对包含某一语义信息的相关图像搜索的服务器，比如谷歌图像搜索本文档来自技高网...

【技术保护点】
1.一种基于支持向量机的图像自动标注方法，其特征在于，所述方法应用于图像搜索服务器，所述图像搜索服务器中预先存储有图像自动标注模型，所述图像自动标注模型包含多种视觉特征提取算法和支持向量机，所述方法包括：获取预先存储的待标注图片；通过所述多种视觉特征提取算法，分别对所述待标注图片进行视觉特征提取，得到多个视觉特征向量；通过所述多个视觉特征向量计算所述待标注图片的总特征向量，根据所述总特征向量在预先存储的语义概念坐标系中对应的第一位置点，以及目标语义概念在所述语义概念坐标系中对应的语义概念边界，判断所述待标注图片是否包含所述目标语义概念；如果所述待标注图片包含所述目标语义概念，则将所述待标注图片保存至所述目标语义概念对应的语义组中。

【技术特征摘要】
1.一种基于支持向量机的图像自动标注方法，其特征在于，所述方法应用于图像搜索服务器，所述图像搜索服务器中预先存储有图像自动标注模型，所述图像自动标注模型包含多种视觉特征提取算法和支持向量机，所述方法包括：获取预先存储的待标注图片；通过所述多种视觉特征提取算法，分别对所述待标注图片进行视觉特征提取，得到多个视觉特征向量；通过所述多个视觉特征向量计算所述待标注图片的总特征向量，根据所述总特征向量在预先存储的语义概念坐标系中对应的第一位置点，以及目标语义概念在所述语义概念坐标系中对应的语义概念边界，判断所述待标注图片是否包含所述目标语义概念；如果所述待标注图片包含所述目标语义概念，则将所述待标注图片保存至所述目标语义概念对应的语义组中。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取预先存的训练图像集，其中，所述训练图像集包括多个图像样本，以及每个图像样本包含的语义概念；基于所述训练图像集，对预先存储的初始训练模型进行训练，得到所述图像自动标注模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述训练图像集，对预先存储的初始训练模型进行训练，包括：对所述训练图像集按照语义概念进行分组，得到多个语义组；针对每个语义组，通过所述多种视觉特征提取算法，分别提取该语义组中各图像样本的视觉特征，得到所述各图像样本对应的多个视觉特征向量；根据所述各图像样本对应的多个视觉特征向量，确定所述各图像样本对应的总特征向量；通过所述支持向量机内预存的联合SVM核函数，将所述各图像样本对应的总特征向量映射到预存的核空间中的空间坐标点；通过所述支持向量机和所述各图像样本的空间坐标点，计算该语义组对应的语义概念在所述核空间中的语义概念边界；通过所述支持向量机，将所述语义概念边界映射到所述语义概念坐标系中，并存储该语义组对应的语义概念在所述语义概念坐标系中的语义概念边界。4.根据权利要求1所述的方法，其特征在于，所述多种视觉特征提取算法至少包括最高加速鲁棒特征TopSurf、轮廓熵特征PEF和色矩colormoments。5.一种基于支持向量机的图像自动标注装置，其特征在于，所述装置应用于图像搜索服务器，所述图像搜索服务器中预先存储有图像自动标注模型，所述图像自动标注模型包含多种视觉特征提取算法和支持向量机，所述装置包括：第一获取模块，用于获取预先存储的待标注图片；...

【专利技术属性】
技术研发人员：黄海，刘哲，田耒，景晓军，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11