图像多标签分类方法、装置、计算机设备和存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115953614A(43)申请公布日2023.04.11(21)申请号202211268877.X(22)申请日2022.10.17(71)申请人西安闻泰信息技术有限公司地址710086陕西省西安市沣东新城沣东旺城1号楼(72)发明人王越辉(74)专利代理机构广州德科知识产权代理有限公司44381专利代理师邓灵万振雄(51)Int.Cl.G06V10/764(2022.01)G06V10/762(2022.01)G06V10/74(2022.01)G06V10/82(2022.01)权利要求书2页说明书20页附图6页(54)发明名称图像多标签分类方法、装置、计算机设备和存储介质(57)摘要本申请实施例涉及图像处理技术领域，公开了一种图像多标签分类方法、装置、计算机设备和存储介质，所述方法包括：获取m个初始标签和n个初始样本图像各自的初始特征向量；对n个所述初始样本图像各自的初始特征向量进行深度矩阵分解，得到n个所述初始样本图像各自的低秩特征向量，所述低秩特征向量的维度小于所述初始特征向量的维度；根据m个所述初始标签和n个所述初始样本图像各自的低秩特征向量，构建样本关联网络、标签关联网络和样本标签网络；对所述样本关联网络、所述标签关联网络和所述样本标签网络进行随机游走和标签分类，得到每个所述初始样本图像的多标签分类结果。实施本申请实施例，能解决现有图像多标签分类中降低标签分类的精度和速度等问题。CN115953614ACN115953614A权利要求书1/2页1.一种图像多标签分类方法，其特征在于，所述方法包括：获取m个初始标签和n个初始样本图像各自的初始特征向量，所述初始特征向量为对所述初始样本图像进行特征提取所获得的特征向量，m和n均为正整数；对n个所述初始样本图像各自的初始特征向量进行深度矩阵分解，得到n个所述初始样本图像各自的低秩特征向量，所述低秩特征向量的维度小于所述初始特征向量的维度；根据m个所述初始标签和n个所述初始样本图像各自的低秩特征向量，构建样本关联网络、标签关联网络和样本标签网络，所述样本关联网络用于反映所述初始样本图像之间的相似度，所述标签关联网络用于反映所述初始标签之间的关联度，所述样本标签网络用于反映所述初始样本图像和所述初始标签之间的关联度；对所述样本关联网络、所述标签关联网络和所述样本标签网络进行随机游走和标签分类，得到每个所述初始样本图像的多标签分类结果。2.根据权利要求1所述的方法，其特征在于，所述对n个所述初始样本图像各自的初始特征向量进行深度矩阵分解，得到n个所述初始样本图像各自的低秩特征向量包括：对n个所述初始样本图像各自的初始特征向量进行协同矩阵分解，以将n个所述初始样本图像各自的初始特征向量映射为n个所述初始样本图像各自的隐含因子向量；对n个所述初始样本图像各自的隐含因子向量进行正则化约束，得到n个所述初始样本图像各自的低秩特征向量。3.根据权利要求1所述的方法，其特征在于，所述根据m个所述初始标签和n个所述初始样本图像各自的低秩特征向量，构建样本关联网络、标签关联网络和样本标签网络包括：对n个所述初始样本图像各自的低秩特征向量进行样本相似度计算，得到n个所述初始样本图像中的任意两个所述初始样本图像之间的样本相似度；根据所述任意两个所述初始样本图像之间的样本相似度，构建所述样本关联网络；根据m个所述初始标签和每个所述初始样本图像对应拥有的已知标签，构建所述标签关联网络和所述样本标签网络，所述已知标签为n个所述初始标签中的标签。4.根据权利要求3所述的方法，其特征在于，所述对n个所述初始样本图像各自的低秩特征向量进行样本相似度计算，得到n个所述初始样本图像中的任意两个所述初始样本图像之间的样本相似度包括：对所述任意两个所述初始样本图像的低秩特征向量进行综合相似度计算，得到所述任意两个所述初始样本图像之间的综合相似度；对所述任意两个所述初始样本图像的低秩特征向量进行高斯核相似度计算，得到所述任意两个所述初始样本图像之间的高斯核相似度；根据所述任意两个所述初始样本图像之间的所述综合相似度和所述高斯核相似度，计算得到所述任意两个所述初始样本图像之间的样本相似度。5.根据权利要求4所述的方法，其特征在于，所述对所述任意两个所述初始样本图像的低秩特征向量进行综合相似度计算，得到所述任意两个所述初始样本图像之间的综合相似度包括：对所述任意两个所述初始样本图像的低秩特征向量进行余弦相似度计算，得到所述任意两个所述初始样本图像之间的余弦相似度；对所述任意两个所述初始样本图像之间的余弦相似度进行预设逻辑处理，得到所述任2CN115953614A权利要求书2/2页意两个所述初始样本图像之间的处理相似度；对所述任意两个所述初始样本图像之间的处