專利名稱：基于網(wǎng)絡(luò)熱點(diǎn)話題的圖像高級語義標(biāo)注、檢索方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像標(biāo)注及檢索領(lǐng)域，具體涉及基于網(wǎng)絡(luò)熱點(diǎn)話題的圖像高級語義標(biāo)注、檢索方法及裝置。
背景技術(shù)：
圖像是一種復(fù)雜的多媒體數(shù)據(jù)，包含了豐富的語義內(nèi)容。圖像的語義分為三個層次，第一層為底層語義層，即利用圖像原始數(shù)據(jù)抽取得到的顏色、紋理等底層視覺特征；第二層為實(shí)體語義層，即利用提取的底層視覺特征，進(jìn)行一定的邏輯推理，識別出圖像中包含的對象類別，圍繞圖像的對象抽取的實(shí)體語義。第三層是抽象語義層即高級語義，包含了場 景、行為和情感等高級的語義，是對實(shí)體語義的更高級的推理。隨著數(shù)字影像技術(shù)與互聯(lián)網(wǎng)技術(shù)的發(fā)展，用戶可以輕松的獲得大量的圖像。為方便用戶從大量的圖像中檢索到符合需求的圖像，圖像標(biāo)注技術(shù)應(yīng)運(yùn)而生。圖像標(biāo)注是指為圖像添加能夠描述其語義的關(guān)鍵詞的技術(shù)。這樣用戶通過文本檢索即搜索關(guān)鍵詞就可以從網(wǎng)絡(luò)上檢索到相關(guān)圖像。隨著技術(shù)的發(fā)展，圖像標(biāo)注由人工標(biāo)注發(fā)展為圖像自動標(biāo)注即通過尋找語義與底層視覺特征之間的關(guān)聯(lián)關(guān)系，以此建立關(guān)系模型，實(shí)現(xiàn)對未知語義圖像的標(biāo)注。目前，圖像自動標(biāo)注技術(shù)主要是指對圖像底層語義和實(shí)體語義的標(biāo)注，基于此，用戶還無法通過輸入高級語義內(nèi)容的方式對圖像進(jìn)行檢索。但隨著互聯(lián)網(wǎng)的發(fā)展，用戶經(jīng)常需要檢索與高級語義內(nèi)容相關(guān)的圖像。比如，用戶經(jīng)常想要檢索與網(wǎng)絡(luò)熱點(diǎn)話題相關(guān)的圖像。此處，網(wǎng)絡(luò)熱點(diǎn)話題是指某一時間段內(nèi)，網(wǎng)絡(luò)上發(fā)生的(突發(fā))事件或廣為討論的話題。一般體現(xiàn)為網(wǎng)頁的點(diǎn)擊率急劇上升或圖像的查詢、上傳、下載量增多。因此，目前急需一種對圖像高級語義進(jìn)行標(biāo)注的方法，尤其是對圖像有關(guān)的網(wǎng)絡(luò)熱點(diǎn)話題的標(biāo)注方法。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明的目的在于提供一種基于網(wǎng)絡(luò)熱點(diǎn)話題的圖像高級語義標(biāo)注、檢索方法及其裝置，為實(shí)現(xiàn)用戶通過高級語義對圖像進(jìn)行檢索提供條件。本發(fā)明實(shí)施例提供了一種基于網(wǎng)絡(luò)熱點(diǎn)話題的圖像高級語義標(biāo)注方法，所述方法包括一種基于網(wǎng)絡(luò)熱點(diǎn)話題的圖像高級語義標(biāo)注方法，其特征在于，所述方法包括以待標(biāo)注圖像的至少一個實(shí)體語義詞為查詢詞，利用基于文本關(guān)鍵詞的搜索引擎，從網(wǎng)絡(luò)中檢索與所述待標(biāo)注圖像的語義相似的圖像和所述語義相似圖像的伴隨文本；提取所述伴隨文本中的主題，并基于所述伴隨文本與所述主題的對應(yīng)關(guān)系建立所述語義相似的圖像與所述主題的對應(yīng)關(guān)系；將視覺特征相似并且具有相似主題的所述語義相似的圖像聚合為一類，形成圖像類集合；將視覺特征相似的所述語義相似的圖像對應(yīng)的相似主題聚合為一類，形成主題類集合;建立所述圖像類集合和所述主題類集合的對應(yīng)關(guān)系；根據(jù)所述待標(biāo)注圖像的視覺特征，從所述圖像類集合中查找與所述待標(biāo)注圖像的視覺特征相似的圖像類，并提取所述相似的圖像類對應(yīng)的主題類作為所述待標(biāo)注圖像的網(wǎng)絡(luò)熱點(diǎn)話題；根據(jù)所述網(wǎng)絡(luò)熱點(diǎn)話題對所述待標(biāo)注圖像進(jìn)行語義標(biāo)注。優(yōu)選的，所述方法還包括預(yù)先對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注的步驟，具體包括提取所述待標(biāo)注圖像的視覺特征； 根據(jù)所述視覺特征，從有限訓(xùn)練集中查找與所述待標(biāo)注圖像相似的候選圖像；提取所述候選圖像的實(shí)體語義詞，并利用所述實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注。優(yōu)選的，在所述提取所述候選圖像的實(shí)體語義詞之后，利用所述實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注之前，所述方法還包括根據(jù)所述實(shí)體語義詞將實(shí)體語義相似的候選圖像聚為一類，形成候選圖像類集合；從所述候選圖像類集合中查找與所述待標(biāo)注圖像視覺特征最相似的候選圖像類作為鄰居圖像類；所述利用所述實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注包括利用所述鄰居圖像類的實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注。優(yōu)選的，所述根據(jù)所述實(shí)體語義詞將實(shí)體語義相似的候選圖像聚為一類，形成候選圖像類包括建立超圖模型G (Vs，Ts)，并基于此獲得超圖模型的相似性矩陣H，其中，所述超圖模型以與所述待標(biāo)注圖像相似的候選圖像的集合Vs為頂點(diǎn)集，以所述候選圖像的實(shí)體語義詞的集合Ts為超邊集；所述矩陣H中的元素Hij代表每個圖像Vi與對應(yīng)的實(shí)體語義詞Tj的聯(lián)系以及每個實(shí)體語義詞與多個候選圖像的共生關(guān)系；根據(jù)所述相似性矩陣H，利用譜聚類算法，對所述超圖模型進(jìn)行聚類，將共享一定數(shù)量超邊的候選圖像聚為一類，形成所述候選圖像類。優(yōu)選的，所述方法還包括利用公式Σ_1 “諷“1 計(jì)算所述鄰居圖像類中的實(shí)體語義詞與所述待標(biāo)注圖
Has
「I if圖像ii包含了實(shí)體語義詞ti像的相關(guān)度；其中，挪//+O= Λ;ii為鄰居圖像類S中的鄰
[Uolhcrs
居圖像，iq為待標(biāo)注圖像；P(ii/iq)等于ii與所述iq的視覺特征相似度；所述利用所述鄰居圖像的實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注包括按照所述相關(guān)度從大到小的順序，從所述鄰居圖像類中選取預(yù)設(shè)數(shù)量的實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注。優(yōu)選的，所述提取所述伴隨文本中的主題，并基于所述伴隨文本與主題的對應(yīng)關(guān)系，建立所述語義相似的圖像與所述主題的對應(yīng)關(guān)系包括利用所述伴隨文本建立LDA模型，基于所述LDA模型提取所述主題并建立圖像_主題相關(guān)矩陣Rvt ；所述將視覺特征相似并且具有相似主題的所述語義相似的圖像聚合為一類，形成圖像類集合；將視覺特征相似的所述語義相似的圖像對應(yīng)的相似主題聚合為一類，形成主題類集合包括建立所述伴隨文本的主題相關(guān)矩陣Rt ；利用圖像的視覺相似性，計(jì)算所述語義相似的圖像的視覺相似性矩陣Rv ；利用財(cái)、1^扒1^，建立復(fù)雜圖模型6 0^、財(cái)、1^0 ；
對所述復(fù)雜圖G(Rv、Rt、Rvt)進(jìn)行聚類，形成所述圖像類集合和所述主題類集合。優(yōu)選的，所述根據(jù)所述網(wǎng)絡(luò)熱點(diǎn)話題對所述待標(biāo)注圖像進(jìn)行語義標(biāo)注包括利用開方檢驗(yàn)方法X 2提取與所述網(wǎng)絡(luò)熱點(diǎn)話題相關(guān)度最高的前K個詞對所述待標(biāo)注圖像進(jìn)行語義標(biāo)注。本發(fā)明還提供了一種基于網(wǎng)絡(luò)熱點(diǎn)話題的圖像高級語義標(biāo)注裝置，所述裝置包括文本檢索單元，用于以待標(biāo)注圖像的至少一個實(shí)體語義詞為查詢詞，利用基于文本關(guān)鍵詞的搜索引擎，從網(wǎng)絡(luò)中檢索與所述待標(biāo)注圖像的語義相似的圖像和所述語義相似圖像的伴隨文本；主題提取單元，用于提取所述伴隨文本中的主題；第一關(guān)聯(lián)單元，用于基于所述伴隨文本與主題的對應(yīng)關(guān)系，建立所述語義相似的圖像與所述主題的對應(yīng)關(guān)系；聚類單元，用于將視覺特征相似并且具有相似主題的所述語義相似的圖像聚合為一類，形成圖像類集合；將視覺特征相似的所述語義相似的圖像對應(yīng)的相似主題聚合為一類，形成主題類集合；第二關(guān)聯(lián)單元，用于建立所述圖像類集合和所述主題類集合的對應(yīng)關(guān)系；第一內(nèi)容檢索單元，用于根據(jù)所述待標(biāo)注圖像的視覺特征，從所述圖像類集合中查找與所述待標(biāo)注圖像的視覺特征相似的圖像類；熱點(diǎn)話題提取單元，用于提取所述相似的圖像類對應(yīng)的主題類作為所述待標(biāo)注圖像的網(wǎng)絡(luò)熱點(diǎn)話題；熱點(diǎn)話題標(biāo)注單元，用于根據(jù)所述網(wǎng)絡(luò)熱點(diǎn)話題對所述待標(biāo)注圖像進(jìn)行語義標(biāo)注。優(yōu)選的，所述裝置還包括實(shí)體語義標(biāo)注單元，用于對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注；所述實(shí)體語義標(biāo)注單元具體包括視覺特征提取單元，用于提取所述待標(biāo)注圖像的視覺特征；第二內(nèi)容檢索單元，用于根據(jù)所述視覺特征，從有限訓(xùn)練集中查找與所述待標(biāo)注圖像相似的候選圖像；實(shí)體語義詞提取單元，用于提取所述候選圖像的實(shí)體語義詞；實(shí)體語義標(biāo)注子單元，用于利用所述實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注。
優(yōu)選的，所述裝置還包括去噪單元，用于對所述候選圖像進(jìn)行去噪處理；具體的，所述去噪單元包括候 選圖像聚類單元，用于根據(jù)所述實(shí)體語義詞將實(shí)體語義相似的候選圖像聚為一類，形成候選圖像類集合；第三內(nèi)容檢索單元，用于從所述候選圖像類集合中查找與所述待標(biāo)注圖像視覺特征最相似的候選圖像類作為鄰居圖像類；所述實(shí)體語義標(biāo)注子單元，具體用于利用所述鄰居圖像類的實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注。優(yōu)選的，所述候選圖像聚類單元包括超圖模型單元，用于建立超圖模型G(Vs，Ts)，并基于此獲得超圖模型的相似性矩陣H，其中，所述超圖模型以與所述待標(biāo)注圖像相似的候選圖像的集合Vs為頂點(diǎn)集，以所述候選圖像的實(shí)體語義詞的集合Ts為超邊集；所述矩陣H中的元素Hij代表每個圖像Vi與對應(yīng)的實(shí)體語義詞Tj的聯(lián)系以及每個實(shí)體語義詞與多個候選圖像的共生關(guān)系；譜聚類單元，用于根據(jù)所述相似性矩陣H，利用譜聚類算法，對所述超圖模型進(jìn)行聚類，將共享一定數(shù)量超邊的候選圖像聚為一類，形成所述候選圖像類。優(yōu)選的，所述裝置還包括相關(guān)度計(jì)算單元，用于利用公式計(jì)算所述鄰居圖像類中的實(shí)體
一「I if圖像ii包含了實(shí)體語義詞ti
語義詞與所述待標(biāo)注圖像的相關(guān)度；其中，P(H //'/') = j, i i
[Ooihcrs
為鄰居圖像類S中的鄰居圖像，iq為待標(biāo)注圖像；p(ii/iq)等于ii與所述iq的視覺特征相似度；所述實(shí)體語義標(biāo)注子單元，具體用于按照所述相關(guān)度從大到小的順序，從所述鄰居圖像類中選取預(yù)設(shè)數(shù)量的實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注。優(yōu)選的，所述主題提取單元，具體用于利用所述伴隨文本建立LDA模型，基于所述LDA模型提取所述主題；所述第一關(guān)聯(lián)單元，具體用于基于所述LDA模型建立圖像-主題相關(guān)矩陣Rvt ；所述聚類單元包括主題相關(guān)矩陣單元，用于建立所述伴隨文本的主題相關(guān)矩陣Rt ；視覺相似性矩陣單元，用于利用圖像的視覺相似性，計(jì)算所述語義相似的圖像的視覺相似性矩陣Rv ；復(fù)雜圖模型單元,用于利用Rt、Rvt、Rv,建立復(fù)雜圖模型G(Rv、Rt、Rvt)；復(fù)雜圖聚類單元，用于對所述復(fù)雜圖G(Rv、Rt、Rvt)進(jìn)行聚類，形成所述圖像類集合和所述主題類集合。優(yōu)選的，所述熱點(diǎn)話題標(biāo)注單元，具體用于，利用開方檢驗(yàn)方法X 2提取與所述網(wǎng)絡(luò)熱點(diǎn)話題相關(guān)度最高的前K個詞對所述待標(biāo)注圖像進(jìn)行語義標(biāo)注。本發(fā)明還提供了一種基于網(wǎng)絡(luò)熱點(diǎn)話題的圖像檢索方法，其中，所述網(wǎng)絡(luò)熱點(diǎn)話題是利用上述圖像標(biāo)注方法得到的，該檢索方法包括接收用戶輸入的圖像檢索文本；所述圖像檢索文本至少包含一個網(wǎng)絡(luò)熱點(diǎn)話題詞；抓取 互聯(lián)網(wǎng)上的圖像及其所述圖像的標(biāo)注信息；判斷所述圖像的標(biāo)注信息是否與所述圖像檢索文本相匹配；如匹配，則將所述相匹配的圖像及其標(biāo)注信息輸出。優(yōu)選的，當(dāng)所述圖像檢索文本中同時包含網(wǎng)絡(luò)熱點(diǎn)話題和實(shí)體語義時，所述判斷所述圖像的標(biāo)注信息是否與所述圖像檢索文本相匹配包括判斷所述圖像的標(biāo)注信息中是否包含所述網(wǎng)絡(luò)熱點(diǎn)話題詞。優(yōu)選的，所述如匹配，則將所述相匹配的圖像及其標(biāo)注信息輸出包括如匹配，則將所述相匹配的圖像及其標(biāo)注信息中與所述圖像檢索文本相關(guān)的內(nèi)容輸出。本發(fā)明還提供了一種基于網(wǎng)絡(luò)熱點(diǎn)話題的圖像檢索裝置，其中，所述網(wǎng)絡(luò)熱點(diǎn)話題是利用上述圖像標(biāo)注方法得到的，所述裝置包括文本接收單元，用于接收用戶輸入的圖像檢索文本；所述圖像檢索文本至少包含一個網(wǎng)絡(luò)熱點(diǎn)話題詞；抓取單元，用于抓取互聯(lián)網(wǎng)上的圖像及其所述圖像的標(biāo)注信息；判斷單元，用于判斷所述圖像的標(biāo)注信息是否與所述圖像檢索文本相匹配；輸出單元，用于在所述圖像的標(biāo)注信息與所述圖像檢索文本相匹配時，輸出所述相匹配的圖像及其標(biāo)注信息輸出。優(yōu)選的，所述判斷單元，具體用于當(dāng)所述圖像檢索文本中同時包含網(wǎng)絡(luò)熱點(diǎn)話題和實(shí)體語義時，判斷所述圖像的標(biāo)注信息中是否包含所述網(wǎng)絡(luò)熱點(diǎn)話題詞。優(yōu)選的，所述輸出單元，具體用于在所述圖像的標(biāo)注信息與所述圖像檢索文本相匹配時，將所述相匹配的圖像及其標(biāo)注信息中與所述圖像檢索文本相關(guān)的內(nèi)容輸出。同現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果本發(fā)明提供了一種基于網(wǎng)絡(luò)熱點(diǎn)話題的圖像高級語義的標(biāo)注方法，首先利用待標(biāo)注圖像的實(shí)體語義詞，基于文本關(guān)鍵詞的搜索引擎，從互聯(lián)網(wǎng)的海量數(shù)據(jù)中檢索到了與待標(biāo)注圖像實(shí)體語義相似的圖像以及伴隨文本。因訓(xùn)練集是基于互聯(lián)網(wǎng)的，因此，獲取的語義全面且具有實(shí)時更新性。接著本發(fā)明從伴隨文本中提取主題，并建立主題與主題、圖像與圖像、圖像與主題之間的關(guān)聯(lián)關(guān)系，并基于此，將具有相似主題且視覺特征相似的圖像聚為一類，將具有相似視覺特征的圖像對應(yīng)的相似主題聚為一類。從中選擇與待標(biāo)注圖像視覺特征最為相似的圖像類，將其對應(yīng)的主題作為熱點(diǎn)話題。通過上述過程，將伴隨文本中與對應(yīng)圖像不相關(guān)的主題以及與待標(biāo)注圖像視覺特征相似度不高的圖像進(jìn)行了去噪處理，使得得到的高級語義能夠準(zhǔn)確的描述待標(biāo)注圖像。


圖I是本發(fā)明實(shí)施例I基于文本的圖像檢索方法流程圖；圖2A-2C是本發(fā)明實(shí)施例中待標(biāo)注圖像及基于文本檢索到的語義相似圖像；圖3是本發(fā)明實(shí)施例中語義相似圖像的去噪處理流程圖；圖4是本發(fā)明實(shí)施例2中基于網(wǎng)絡(luò)熱點(diǎn)話題的高級語義標(biāo)注方法流程圖；圖5是本發(fā)明實(shí)施例3中預(yù)先對待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注的流程圖6是為本發(fā)明實(shí)施例中超圖模型示意圖；圖7是本發(fā)明實(shí)施例5基于熱點(diǎn)話題的圖像高級語義標(biāo)注裝置結(jié)構(gòu)圖；圖8是本發(fā)明實(shí)施例6基于網(wǎng)絡(luò)熱點(diǎn)話題的圖像檢索方法流程圖；圖9是本發(fā)明實(shí)施例7基于網(wǎng)絡(luò)熱點(diǎn)話題的圖像檢索裝置結(jié)構(gòu)圖。
具體實(shí)施例方式為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明實(shí)施例的方案，下面結(jié)合附圖和實(shí)施方式對本發(fā)明實(shí)施例作進(jìn)一步的詳細(xì)說明。為實(shí)現(xiàn)對圖像網(wǎng)絡(luò)熱點(diǎn)話題的標(biāo)注，必須確定出圖像對應(yīng)的網(wǎng)絡(luò)熱點(diǎn)話題。我們 知道，在網(wǎng)絡(luò)上，大部分圖像都穿插在文本信息中。我們稱這些與圖像一起出現(xiàn)的文本信息為伴隨文本，常見的如網(wǎng)頁文本中的文字信息等。圖像與伴隨文本在很大程度上具有關(guān)聯(lián)性，因此，我們可以初步認(rèn)為這些伴隨文本中所體現(xiàn)的熱點(diǎn)話題就是圖像對應(yīng)的熱點(diǎn)話題。我們知道，一幅圖像的語義可以從其相似的圖像中獲得?；诖?，本發(fā)明需要檢索到與待標(biāo)注圖像相似的圖像以及這些相似圖像的伴隨文本，然后從這些伴隨文本中提取網(wǎng)絡(luò)熱點(diǎn)話題，這一網(wǎng)絡(luò)熱點(diǎn)話題就是待標(biāo)注圖像對應(yīng)的熱點(diǎn)話題。檢索相似圖像以及相似圖像的伴隨文本可以通過多種方式進(jìn)行。本發(fā)明實(shí)施例I提供了一種基于文本關(guān)鍵詞的圖像檢索(TBIR, Text Based ImageRetrieval)方法,參見圖I，該方法包括S11、以待標(biāo)注圖像的至少一個實(shí)體語義詞為查詢詞，基于文本關(guān)鍵詞的搜索引擎，從網(wǎng)絡(luò)中檢索與所述待標(biāo)注圖像的語義相似的圖像和所述語義相似圖像的伴隨文本。本發(fā)明中的至少一個實(shí)體語義詞可以是用戶根據(jù)待標(biāo)注圖像手動輸入的，也可以是系統(tǒng)根據(jù)輸入的待標(biāo)注圖像標(biāo)注的實(shí)體語義詞自動提取的。在實(shí)際應(yīng)用中，待標(biāo)注圖像可能具有多個實(shí)體語義詞，為最大程度的搜索與待標(biāo)注圖像語義相似的圖像，用戶或系統(tǒng)可以只選擇其中一個或部分實(shí)體語義詞進(jìn)行檢索。但這樣檢索到的圖像可能包含大量與待標(biāo)注圖像相似度不高的圖像。為提高檢索到的圖像與待標(biāo)注圖像的相似度，在本發(fā)明的優(yōu)選實(shí)施例中，可以以待標(biāo)注圖像的所有實(shí)體語義詞為查詢詞進(jìn)行檢索。在本發(fā)明中，檢索系統(tǒng)可以是百度或google，當(dāng)然也可以是其他的檢索系統(tǒng)。基于檢索到的伴隨文本，可以通過提取伴隨文本中的主題形成熱點(diǎn)話題。但這一熱點(diǎn)話題是對應(yīng)伴隨文本的，若基于圖像與伴隨文本的關(guān)聯(lián)關(guān)系，將熱點(diǎn)話題與圖像直接關(guān)聯(lián)起來，會引入很多噪聲，主要體現(xiàn)在兩個方面首先，圖像的伴隨文本通常是取自圖像所在的網(wǎng)頁文本，圖像只是網(wǎng)頁文本的一部分，因此，網(wǎng)頁文本的一部分主題是與圖像的語義不相關(guān)的。比如在一講述手機(jī)構(gòu)造的網(wǎng)頁文本中，穿插有手機(jī)內(nèi)揚(yáng)聲器的圖像，但在網(wǎng)頁文本中，有很大一部分內(nèi)容都在講述手機(jī)其他部分的結(jié)構(gòu)，與揚(yáng)聲器無關(guān)。其次，所有的伴隨文本都是利用相同的查詢詞搜索得到的，由于詞的視覺多義性，這些伴隨文本所對應(yīng)的圖像與待標(biāo)注圖像在視覺上可能存在很大差異。比如，假設(shè)圖2A為待標(biāo)注圖像，其實(shí)體語義詞為“蘋果”，但若以“蘋果”為查詢詞，會搜索到與圖2相似的圖像圖2B，也會搜索到與圖2A完全不同的“蘋果手機(jī)”的圖像?；谏鲜鲈?，在確定待標(biāo)注圖像對應(yīng)的網(wǎng)絡(luò)熱點(diǎn)話題時，需要利用圖像的視覺相似性對語義相似圖像進(jìn)行去噪處理，挑選出與待標(biāo)注圖像最為相似的圖像集及其伴隨文本集，從而提高選取的熱點(diǎn)話題的正確性。其具體去噪過程如圖3所示，包括S21、提取伴隨文本中的主題，建立伴隨文本與其主題間的對應(yīng)關(guān)系，并基于伴隨文本與主題的對應(yīng)關(guān)系建立圖像與主題的對應(yīng)關(guān)系。
S22、建立主題與主題之間的共生關(guān)系，建立圖像與圖像之間的視覺相似性關(guān)系。S23、將視覺特征相似的圖像及其對應(yīng)的相似主題聚合為一類，形成主題類集合，將具有相似主題且具有相似視覺特征的圖像聚合為一類，形成圖像類集合。并基于上述過程建立上述圖像類與主題類之間的對應(yīng)關(guān)系。S24、在上述圖像類集合中查找與待標(biāo)注圖像在視覺特征上相似的圖像類，所述視覺特征相似的圖像類對應(yīng)的主題類即為待標(biāo)注圖像的網(wǎng)絡(luò)熱點(diǎn)話題。
在本發(fā)明中，可以在上述圖像類集合中查找一定數(shù)量的與待標(biāo)注圖像在視覺特征上相似的圖像類。在本發(fā)明的優(yōu)選實(shí)施例中，在上述圖像類集合中查找與待標(biāo)注圖像在視覺特征上最相似的圖像類。通過上述過程可以看出，本發(fā)明在去噪時需要考慮三種關(guān)聯(lián)關(guān)系主題與主題之間的共生關(guān)系，圖像與圖像之間的相似性關(guān)系，圖像與主題間的對應(yīng)關(guān)系。因?yàn)閳D像與其伴隨文本具有一定的語義關(guān)聯(lián)，因此，圖像與主題的對應(yīng)關(guān)系可以近似用伴隨文本與主題的對應(yīng)關(guān)系得到。在本發(fā)明中，上述各種關(guān)聯(lián)關(guān)系可以基于多種方式得到。比如，伴隨文本與主題之間的對應(yīng)關(guān)系以及主題與主題之間的共生關(guān)系可以在主題的提取過程中建立。伴隨文本中主題的提取也具有多種方式，比如可以利用現(xiàn)有的主題模型空間向量模型、潛在語義分析模型(LSA)等,本發(fā)明中優(yōu)選LDA (Latent DirichletAllocation潛在狄利克雷分配模型)進(jìn)行主題提取。LD A模型是一種針對離散型文本進(jìn)行建模的主題概率模型，是一個文本-主題-單詞三層貝葉斯模型，將文本表示為若干主題的概率混合分布，具有更逼近真實(shí)數(shù)據(jù)的文本語義描述能力，可以高效的處理大規(guī)模的語料庫。LDA模型通過主題建模，將文本的特征向量空間由的詞的維度轉(zhuǎn)變?yōu)橹黝}的維度，將同義和近義的相關(guān)詞匯映射至同一主題，實(shí)現(xiàn)語義層面的建模。該模型有兩個參數(shù)需要估計(jì)一個是“文本-主題”分布概率，另一個是若干個“主題-單詞”分布概率。通過這兩個參數(shù)，我們可以知道文本作者感興趣的主題，以及每一文本所涵蓋的主題比例等。本發(fā)明中需要估計(jì)出“文本-主題”的關(guān)聯(lián)關(guān)系即“文本-主題”分布概率?，F(xiàn)有的參數(shù)估計(jì)方法主要有變分-EM(expectation maximization,期望最大化)算法，還有Gibbs抽樣法。本發(fā)明優(yōu)選Gibbs抽樣法進(jìn)行參數(shù)估計(jì)。利用GibbsLDA,可以
得到文本與主題的關(guān)聯(lián)關(guān)系I dj) = niT+a。其中，α是主題對應(yīng)Dirichlet分布的參
nJ + Ia
數(shù)，T是不同主題的個數(shù)，Hjdj是文本dj中主題j出現(xiàn)的次數(shù)，ndJ是所有主題在文本dj中出現(xiàn)的總次數(shù)。關(guān)于主題與主題的共生關(guān)系，可以通過建立一個反映主題之間共生關(guān)系的矩陣Rt表示，其中，Topic(Zi，Zj)為矩陣的元素，定義如下Topicizi. φ = Pizi I Zi) = ^C{zinn^ * C(Zin:n -,——CiIinII)^ * r(J/n5y) …C{zi CMj)^ C(Zir^Zj) C(Zj) C(zi zj) + C(zi r\zj) C(zj)其中，C(zi n zj)和C(h'n&')分別表示了主題Zi和主題zj在伴隨文本集中共同出現(xiàn)的頻次和同時缺席的次數(shù)，表示了主題之間的關(guān)聯(lián)關(guān)系。關(guān)于圖像與圖像的視覺相似性關(guān)系可以通過計(jì)算圖像之間的相似度得出。結(jié)合現(xiàn)有技術(shù)，圖像的視覺相似度可以根據(jù)每個圖像的特征向量計(jì)算得到。具體的可以建立圖像與圖像的相似性關(guān)聯(lián)矩陣Hv。矩陣的元素Simv(Ii，Ij)定義如下Simv^1' ) 二(Zlimin(^Wmax(ZO))Z"其中，圖像Ii提取的η維特征向量表示為Ii [il, i2, i3. . . in],圖像Ij提取的η維特征向量表示為Ij [jl，j2, j3. . . jn], id和jd分別表示第d種特征在對應(yīng)的圖像中出·現(xiàn)的次數(shù)。每幅圖像與其伴隨文本都有一定的主題語義關(guān)聯(lián)，因此圖像與主題的關(guān)聯(lián)可以近似用圖像的伴隨文本與主題的關(guān)聯(lián)關(guān)系得到。具體的，圖像與主題的對應(yīng)關(guān)系可使用概率P (Zj I Ii)表示。圖像Ii標(biāo)注關(guān)鍵詞Zj的概率如下
P^i IH) = Σ I 々)廠(々丨其中，P(zj I Ii) P(ZjIdj)，由 LDA 訓(xùn)練得到；P(IjlIi) Simv(Ii，Ij) 本發(fā)明中基于上述三種關(guān)聯(lián)關(guān)系，可通過多種方式將圖像以及主題進(jìn)行聚類。由于上述三種關(guān)聯(lián)關(guān)系中存在圖像與主題兩種異構(gòu)頂點(diǎn)，本發(fā)明實(shí)施例中優(yōu)選復(fù)雜圖模型進(jìn)行聚類。定義復(fù)雜圖(Complex graph)G = {Rv, Rt, Rvt},其中，Rv、Rt分別表示主題頂點(diǎn)集合和圖像頂點(diǎn)集合，邊集合Rvt包含兩個子集，記為C =其中，S是Rv中同構(gòu)連接的邊權(quán)重矩陣,A表示Rv、Rt之間的異構(gòu)連接的邊權(quán)重矩陣。N1、N2分別代表Rv、Rt中的頂點(diǎn)個數(shù)。基于上述復(fù)雜圖定義，對復(fù)雜圖進(jìn)行聚類可以實(shí)現(xiàn)對主題頂點(diǎn)集合和圖像頂點(diǎn)集合的分別聚類，并且，利用頂點(diǎn)之間的同構(gòu)和異構(gòu)連接關(guān)聯(lián)關(guān)系，可以建立兩個頂點(diǎn)集合類別之間的對應(yīng)關(guān)系，即圖像頂點(diǎn)集合Rt中的第i類與主題頂點(diǎn)集合Rv中的第j類的對應(yīng)關(guān)系?；谏鲜龇治?，本發(fā)明實(shí)施例2提供了一種基于網(wǎng)絡(luò)熱點(diǎn)話題的高級語義標(biāo)注方法，參見圖4，具體流程如下S31、輸入初始查詢詞，利用文本的搜索引擎，獲取語義相似圖像集合和伴隨文本
隹A
口 OS32、利用圖像的視覺相似性，計(jì)算語義相似圖像之間的視覺相似性矩陣Rv。S33、利用伴隨文本集合建立LDA模型，主題相關(guān)矩陣Rt和圖像-主題相關(guān)矩陣Rvt0S34、輸入 Rv，Rt，Rvt，建立復(fù)雜圖模型 G(Rv，Rt，Rvt)。S35、對復(fù)雜圖G(Rv，Rt, Rvt)進(jìn)行聚類，找出與查詢圖像視覺相似的擴(kuò)展鄰居圖像集合，提取其對應(yīng)的熱點(diǎn)話題.
基于現(xiàn)有技術(shù)如吳飛，韓亞洪，莊越挺，邵健撰寫的《圖像-文本相關(guān)性挖掘的Web圖像聚類方法》中提出的復(fù)雜圖聚類算法，復(fù)雜圖G的聚類過程可以轉(zhuǎn)化成求解如下優(yōu)化問題的最優(yōu)解的過程。復(fù)雜圖聚類的優(yōu)化問題定義為求解目標(biāo)函數(shù)L的最優(yōu)解
權(quán)利要求
1.一種基于網(wǎng)絡(luò)熱點(diǎn)話題的圖像高級語義標(biāo)注方法，其特征在于，所述方法包括 以待標(biāo)注圖像的至少一個實(shí)體語義詞為查詢詞，利用基于文本關(guān)鍵詞的搜索引擎，從網(wǎng)絡(luò)中檢索與所述待標(biāo)注圖像的語義相似的圖像和所述語義相似圖像的伴隨文本； 提取所述伴隨文本中的主題，并基于所述伴隨文本與所述主題的對應(yīng)關(guān)系建立所述語義相似的圖像與所述主題的對應(yīng)關(guān)系； 將視覺特征相似并且具有相似主題的所述語義相似的圖像聚合為一類，形成圖像類集合；將視覺特征相似的所述語義相似的圖像對應(yīng)的相似主題聚合為一類，形成主題類集合； 建立所述圖像類集合和所述主題類集合的對應(yīng)關(guān)系； 根據(jù)所述待標(biāo)注圖像的視覺特征，從所述圖像類集合中查找與所述待標(biāo)注圖像的視覺特征相似的圖像類，并提取所述相似的圖像類對應(yīng)的主題類作為所述待標(biāo)注圖像的網(wǎng)絡(luò)熱點(diǎn)話題； 根據(jù)所述網(wǎng)絡(luò)熱點(diǎn)話題對所述待標(biāo)注圖像進(jìn)行語義標(biāo)注。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述方法還包括預(yù)先對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注的步驟，具體包括 提取所述待標(biāo)注圖像的視覺特征； 根據(jù)所述視覺特征，從有限訓(xùn)練集中查找與所述待標(biāo)注圖像相似的候選圖像； 提取所述候選圖像的實(shí)體語義詞，并利用所述實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述提取所述候選圖像的實(shí)體語義詞之后，利用所述實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注之前，所述方法還包括 根據(jù)所述實(shí)體語義詞將實(shí)體語義相似的候選圖像聚為一類，形成候選圖像類集合；從所述候選圖像類集合中查找與所述待標(biāo)注圖像視覺特征最相似的候選圖像類作為鄰居圖像類； 所述利用所述實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注包括 利用所述鄰居圖像類的實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述實(shí)體語義詞將實(shí)體語義相似的候選圖像聚為一類，形成候選圖像類包括 建立超圖模型G (Vs，Ts)，并基于此獲得超圖模型的相似性矩陣H，其中，所述超圖模型以與所述待標(biāo)注圖像相似的候選圖像的集合Vs為頂點(diǎn)集，以所述候選圖像的實(shí)體語義詞的集合Ts為超邊集；所述矩陣H中的元素Hij代表每個圖像Vi與對應(yīng)的實(shí)體語義詞Ti的聯(lián)系以及每個實(shí)體語義詞與多個候選圖像的共生關(guān)系； 根據(jù)所述相似性矩陣H，利用譜聚類算法，對所述超圖模型進(jìn)行聚類，將共享一定數(shù)量超邊的候選圖像聚為一類，形成所述候選圖像類。
5.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，所述方法還包括 利用公式Σ P^li丨ii^ii 7 計(jì)算所述鄰居圖像類中的實(shí)體語義詞與所述待標(biāo)注圖像的IlCZS Iif圖像ii包含了實(shí)體語義詞ti相關(guān)度；其中，/K"+間=Λ' ;ii為鄰居圖像類S中的鄰居圖 [Oothers像，iq為待標(biāo)注圖像；p(ii/iq)等于ii與所述iq的視覺特征相似度； 所述利用所述鄰居圖像的實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注包括 按照所述相關(guān)度從大到小的順序，從所述鄰居圖像類中選取預(yù)設(shè)數(shù)量的實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注。
6.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述提取所述伴隨文本中的主題，并基于所述伴隨文本與主題的對應(yīng)關(guān)系，建立所述語義相似的圖像與所述主題的對應(yīng)關(guān)系包括 利用所述伴隨文本建立LDA模型，基于所述LDA模型提取所述主題并建立圖像-主題相關(guān)矩陣Rvt ； 所述將視覺特征相似并且具有相似主題的所述語義相似的圖像聚合為一類，形成圖像類集合；將視覺特征相似的所述語義相似的圖像對應(yīng)的相似主題聚合為一類，形成主題類集合包括 建立所述伴隨文本的主題相關(guān)矩陣Rt ； 利用圖像的視覺相似性，計(jì)算所述語義相似的圖像的視覺相似性矩陣Rv ； 利用Rt、Rvt、Rv，建立復(fù)雜圖模型G (Rv、Rt、Rvt)； 對所述復(fù)雜圖G(Rv、Rt、Rvt)進(jìn)行聚類，形成所述圖像類集合和所述主題類集合。
7.根據(jù)權(quán)利要求1-6任一項(xiàng)所述的方法，其特征在于，所述根據(jù)所述網(wǎng)絡(luò)熱點(diǎn)話題對所述待標(biāo)注圖像進(jìn)行語義標(biāo)注包括 利用開方檢驗(yàn)方法X 2提取與所述網(wǎng)絡(luò)熱點(diǎn)話題相關(guān)度最高的前K個詞對所述待標(biāo)注圖像進(jìn)行語義標(biāo)注。
8.一種基于網(wǎng)絡(luò)熱點(diǎn)話題的圖像高級語義標(biāo)注裝置，其特征在于，所述裝置包括 文本檢索單元，用于以待標(biāo)注圖像的至少一個實(shí)體語義詞為查詢詞，利用基于文本關(guān)鍵詞的搜索引擎，從網(wǎng)絡(luò)中檢索與所述待標(biāo)注圖像的語義相似的圖像和所述語義相似圖像的伴隨文本； 主題提取單元，用于提取所述伴隨文本中的主題； 第一關(guān)聯(lián)單元，用于基于所述伴隨文本與主題的對應(yīng)關(guān)系，建立所述語義相似的圖像與所述主題的對應(yīng)關(guān)系； 聚類單元，用于將視覺特征相似并且具有相似主題的所述語義相似的圖像聚合為一類，形成圖像類集合；將視覺特征相似的所述語義相似的圖像對應(yīng)的相似主題聚合為一類，形成主題類集合； 第二關(guān)聯(lián)單元，用于建立所述圖像類集合和所述主題類集合的對應(yīng)關(guān)系； 第一內(nèi)容檢索單元，用于根據(jù)所述待標(biāo)注圖像的視覺特征，從所述圖像類集合中查找與所述待標(biāo)注圖像的視覺特征相似的圖像類； 熱點(diǎn)話題提取單元，用于提取所述相似的圖像類對應(yīng)的主題類作為所述待標(biāo)注圖像的網(wǎng)絡(luò)熱點(diǎn)話題； 熱點(diǎn)話題標(biāo)注單元，用于根據(jù)所述網(wǎng)絡(luò)熱點(diǎn)話題對所述待標(biāo)注圖像進(jìn)行語義標(biāo)注。
9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述裝置還包括實(shí)體語義標(biāo)注單元，用于對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注；所述實(shí)體語義標(biāo)注單元具體包括 視覺特征提取單元，用于提取所述待標(biāo)注圖像的視覺特征；第二內(nèi)容檢索單元，用于根據(jù)所述視覺特征，從有限訓(xùn)練集中查找與所述待標(biāo)注圖像相似的候選圖像； 實(shí)體語義詞提取單元，用于提取所述候選圖像的實(shí)體語義詞； 實(shí)體語義標(biāo)注子單元，用于利用所述實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述裝置還包括去噪單元，用于對所述候選圖像進(jìn)行去噪處理；具體的，所述去噪單元包括 候選圖像聚類單元，用于根據(jù)所述實(shí)體語義詞將實(shí)體語義相似的候選圖像聚為一類，形成候選圖像類集合； 第三內(nèi)容檢索單元，用于從所述候選圖像類集合中查找與所述待標(biāo)注圖像視覺特征最相似的候選圖像類作為鄰居圖像類； 所述實(shí)體語義標(biāo)注子單元，具體用于利用所述鄰居圖像類的實(shí)體語義詞對所述待標(biāo)注圖像進(jìn)行實(shí)體語義標(biāo)注。
11.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述候選圖像聚類單元包括 超圖模型單元，用于建立超圖模型G(Vs，Ts)，并基于此獲得超圖模型的相似性矩陣H，其中，所述超圖模型以與所述待標(biāo)注圖像相似的候選圖像的集合Vs為頂點(diǎn)集，以所述候選圖像的實(shí)體語義詞的集合Ts為超邊集；所述矩陣H中的元素Hij代表每個圖像Vi與對應(yīng)的實(shí)體語義詞Tj的聯(lián)系以及每個實(shí)體語義詞與多個候選圖像的共生關(guān)系； 譜聚類單元，用于根據(jù)所述相似性矩陣H，利用譜聚類算法，對所述超圖模型進(jìn)行聚類，將共享一定數(shù)量超邊的候選圖像聚為一類，形成所述候選圖像類。
12.根據(jù)權(quán)利要求10或11所述的裝置，其特征在于，所述裝置還包括 相關(guān)度計(jì)算單元，用于利用公式計(jì)算所述鄰居圖像類中的實(shí)體語義
13.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述主題提取單元，具體用于利用所述伴隨文本建立LDA模型，基于所述LDA模型提取所述主題； 所述第一關(guān)聯(lián)單元，具體用于基于所述LDA模型建立圖像-主題相關(guān)矩陣Rvt ； 所述聚類單元包括 主題相關(guān)矩陣單元，用于建立所述伴隨文本的主題相關(guān)矩陣Rt ； 視覺相似性矩陣單元，用于利用圖像的視覺相似性，計(jì)算所述語義相似的圖像的視覺相似性矩陣Rv ； 復(fù)雜圖模型單元，用于利用Rt、Rvt、Rv,建立復(fù)雜圖模型G (Rv、Rt、Rvt)； 復(fù)雜圖聚類單元，用于對所述復(fù)雜圖G(Rv、Rt、Rvt)進(jìn)行聚類，形成所述圖像類集合和所述主題類集合。
14.根據(jù)權(quán)利要求8-13任一項(xiàng)所述的裝置，其特征在于，所述熱點(diǎn)話題標(biāo)注單元，具體用于，利用開方檢驗(yàn)方法X 2提取與所述網(wǎng)絡(luò)熱點(diǎn)話題相關(guān)度最高的前K個詞對所述待標(biāo)注圖像進(jìn)行語義標(biāo)注。
15.一種基于網(wǎng)絡(luò)熱點(diǎn)話題的圖像檢索方法，其特征在于，所述網(wǎng)絡(luò)熱點(diǎn)話題是利用權(quán)利要求1-7中任一項(xiàng)方法得到的，所述方法包括 接收用戶輸入的圖像檢索文本；所述圖像檢索文本至少包含一個網(wǎng)絡(luò)熱點(diǎn)話題詞； 抓取互聯(lián)網(wǎng)上的圖像及其所述圖像的標(biāo)注信息； 判斷所述圖像的標(biāo)注信息是否與所述圖像檢索文本相匹配； 如匹配，則將所述相匹配的圖像及其標(biāo)注信息輸出。
16.根據(jù)權(quán)利要求15所述的方法，其特征在于，當(dāng)所述圖像檢索文本中同時包含網(wǎng)絡(luò)熱點(diǎn)話題和實(shí)體語義時，所述判斷所述圖像的標(biāo)注信息是否與所述圖像檢索文本相匹配包括 判斷所述圖像的標(biāo)注信息中是否包含所述網(wǎng)絡(luò)熱點(diǎn)話題詞。
17.根據(jù)權(quán)利要求15或16所述的方法，其特征在于，所述如匹配，則將所述相匹配的圖像及其標(biāo)注信息輸出包括 如匹配，則將所述相匹配的圖像及其標(biāo)注信息中與所述圖像檢索文本相關(guān)的內(nèi)容輸出。
18.一種基于網(wǎng)絡(luò)熱點(diǎn)話題的圖像檢索裝置，其特征在于，所述網(wǎng)絡(luò)熱點(diǎn)話題是利用權(quán)利要求1-7中任一項(xiàng)方法得到的，所述裝置包括 文本接收單元，用于接收用戶輸入的圖像檢索文本；所述圖像檢索文本至少包含一個網(wǎng)絡(luò)熱點(diǎn)話題詞； 抓取單元，用于抓取互聯(lián)網(wǎng)上的圖像及其所述圖像的標(biāo)注信息； 判斷單元，用于判斷所述圖像的標(biāo)注信息是否與所述圖像檢索文本相匹配； 輸出單元，用于在所述圖像的標(biāo)注信息與所述圖像檢索文本相匹配時，輸出所述相匹配的圖像及其標(biāo)注信息輸出。
19.根據(jù)權(quán)利要求18所述的裝置，其特征在于，所述判斷單元，具體用于當(dāng)所述圖像檢索文本中同時包含網(wǎng)絡(luò)熱點(diǎn)話題和實(shí)體語義時，判斷所述圖像的標(biāo)注信息中是否包含所述網(wǎng)絡(luò)熱點(diǎn)話題詞。
20.根據(jù)權(quán)利要求18或19所述的裝置，其特征在于，所述輸出單元，具體用于在所述圖像的標(biāo)注信息與所述圖像檢索文本相匹配時，將所述相匹配的圖像及其標(biāo)注信息中與所述圖像檢索文本相關(guān)的內(nèi)容輸出。
全文摘要
本發(fā)明公開了一種基于網(wǎng)絡(luò)熱點(diǎn)話題的圖像高級語義標(biāo)注方法、檢索方法及裝置。其中標(biāo)注方法包括利用待標(biāo)注圖像的實(shí)體語義詞，基于文本關(guān)鍵詞的搜索引擎，檢索與待標(biāo)注圖像實(shí)體語義相似的圖像以及伴隨文本。接著從伴隨文本中提取主題，并建立主題與主題、圖像與圖像、圖像與主題之間的關(guān)聯(lián)關(guān)系，并基于此，將具有相似主題且視覺特征相似的圖像聚為一類，將具有相似視覺特征的圖像對應(yīng)的相似主題聚為一類。從中選擇與待標(biāo)注圖像視覺特征最為相似的圖像類，將其對應(yīng)的主題作為熱點(diǎn)話題。本發(fā)明通過上述過程，實(shí)現(xiàn)了對圖像的高級語義標(biāo)注，并且通過去噪使得到的高級語義能夠準(zhǔn)確的描述待標(biāo)注圖像。
文檔編號G06K9/46GK102902821SQ20121043191
公開日2013年1月30日 申請日期2012年11月1日 優(yōu)先權(quán)日2012年11月1日
發(fā)明者王曉茹, 余志洪, 杜軍平, 維旭光, 孫朝陽, 林晨 申請人:北京郵電大學(xué)