图像标签的识别方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114255363A(43)申请公布日2022.03.29(21)申请号202011004911.3(22)申请日2020.09.22(71)申请人阿里巴巴集团控股有限公司地址英属开曼群岛大开曼资本大厦一座四层847号邮箱(72)发明人许静张磊刘超张奇迟颖(74)专利代理机构北京博浩百睿知识产权代理有限责任公司11134代理人谢湘宁张文华(51)Int.Cl.G06V10/764(2022.01)G06V10/774(2022.01)G06V10/82(2022.01)G06K9/62(2022.01)G06N3/04(2006.01)权利要求书3页说明书15页附图3页(54)发明名称图像标签的识别方法和装置(57)摘要本发明公开了一种图像标签的识别方法和装置。其中，该方法包括：使用图像标签识别模型对目标图像进行识别，得到第一识别结果，其中，图像标签识别模型为使用多组数据通过机器学习训练出的，多组数据中的数据包括：图像和图像中包括的图像标签对应的数值；将第一识别结果中的数值转换到预设数值区间，得到第二识别结果，其中，第一识别结果中包括至少一个数值，所述数值与图像标签相对应；根据第二识别结果，确定目标图像的图像标签。本发明解决了识别图像标签的准确率低的技术问题。CN114255363ACN114255363A权利要求书1/3页1.一种图像标签的识别方法，其特征在于，所述方法包括：使用图像标签识别模型对目标图像进行识别，得到第一识别结果，其中，所述图像标签识别模型为使用多组数据通过机器学习训练出的，所述多组数据中的数据包括：图像和图像中包括的图像标签对应的数值；将所述第一识别结果中的数值转换到预设数值区间，得到第二识别结果，其中，所述第一识别结果中包括至少一个数值，所述数值与图像标签相对应；根据所述第二识别结果，确定所述目标图像的图像标签。2.根据权利要求1所述的方法，其特征在于，在使用图像标签识别模型对待识别图像集合中每个图像进行处理之前，所述方法还包括：将图像样本集合中的图像标签进行低频滤除处理，得到第一图像标签集合；对所述第一图像标签集合中的图像标签进行关联性处理，得到第二图像标签集合；根据所述第二图像标签集合确定所述图像样本集合中的图0.像包括的图像标签，得到第三图像标签集合，其中，所述第三图像标签集合由至少一个子集组成，所述子集与所述图像样本集合中的图像相对应；根据所述第三图像标签集合和所述图像样本集合进行学习训练，生成图像标签识别模型。3.根据权利要求2所述的方法，其特征在于，在将图像样本集合中的图像标签进行低频滤除处理之前，所述方法包括：获取验证图像集合中的所有图像标签，得到验证集图像标签集合；确定所述验证集图像标签集合中未在所述图像样本集合的图像标签出现的图像标签，得到待扩充图像标签子集；根据所述待扩充图像标签子集对所述图像样本集合的图像标签和所述图像样本集合进行扩充处理，得到扩充处理后的所述图像样本集合的图像标签和所述图像样本集合。4.根据权利要求3所述的方法，其特征在于，根据所述待扩充图像标签子集对所述图像样本集合的图像标签和所述图像样本集合进行扩充处理包括：根据所述待扩充图像标签子集确定待扩充图像；对所述待扩充图像进行随机变换处理；将变换处理后的所述待扩充图像添加到所述图像样本集合中。5.根据权利要求2所述的方法，其特征在于，将图像样本集合中的图像标签进行低频滤除处理包括：统计所述图像样本集合的图像标签在所述图像样本集合中出现的次数；将所述次数低于第一预设阈值的图像标签从所述图像样本集合的图像标签中滤除。6.根据权利要求2所述的方法，其特征在于，对所述第一图像标签集合中的图像标签进行关联性处理，得到第二图像标签集合包括：依次计算所述第一图像标签集合中的图像标签之间的支持度和可信度；将所述支持度大于第二预设阈值且所述可信度大于第三预设阈值的图像标签进行合并，得到第二图像标签集合。7.根据权利要求2所述的方法，其特征在于，在根据所述第三图像标签集合和所述图像样本集合进行学习训练，生成图像标签识别模型之前，所述方法包括：2CN114255363A权利要求书2/3页以预设概率对所述图像样本集合中的图像进行随机翻转和大小调整处理；对处理后的所述图像进行裁剪。8.一种图像标签的识别装置，其特征在于，所述装置包括：识别单元，用于使用图像标签识别模型对目标图像进行识别，得到第一识别结果，其中，所述图像标签识别模型为使用多组数据通过机器学习训练出的，所述多组数据中的数据包括：图像和图像中包括的图像标签对应的数值；转换单元，用于将所述第一识别结果中的数值转换到预设数值区间，得到第二识别结果，其中，所述第一识别结果中包括至少一个数值，所述数值与图像标签相