基于相關(guān)保持映射和一分類器的圖像視頻搜索排序方法技術(shù)

本發(fā)明專利技術(shù)公開(kāi)了基于相關(guān)保持映射和一分類器的圖像視頻搜索排序方法，通過(guò)人工標(biāo)注或自動(dòng)標(biāo)注從樣本的特征向量集合中選擇若干個(gè)與查詢最相關(guān)的樣本及與查詢不相關(guān)的樣本，組成訓(xùn)練樣本集合；利用所述訓(xùn)練樣本集合，作為基于超球體分布的維數(shù)約簡(jiǎn)模塊的輸入，獲取維數(shù)約簡(jiǎn)模型；利用所述維數(shù)約簡(jiǎn)模型對(duì)所有樣本及訓(xùn)練樣本集合進(jìn)行變換，得到維數(shù)約簡(jiǎn)后的所有樣本新特征矩陣及訓(xùn)練樣本新特征矩陣?yán)盟鲇?xùn)練樣本新特征矩陣中與查詢最相關(guān)的樣本作為基于一分類器的排序?qū)W習(xí)模型的輸入，訓(xùn)練得到排序模型f(t)；將所述所有樣本新特征矩陣中的任意一個(gè)樣本ti作為所述排序模型f(t)的輸入，由大到小排列輸出所有樣本排序后的結(jié)果。提高了檢索性能，減少了用戶標(biāo)注負(fù)擔(dān)，提升了用戶搜索體驗(yàn)。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)涉及面向多媒體信息檢索領(lǐng)域，特別涉及。
技術(shù)介紹
隨著網(wǎng)絡(luò)上圖像、視頻等資源的日益豐富，從海量數(shù)據(jù)中快速準(zhǔn)確地獲取用戶所需的信息已經(jīng)越來(lái)越重要?；趦?nèi)容的圖像或視頻檢索是指通過(guò)對(duì)圖像或視頻內(nèi)容進(jìn)行分析提取圖像或視頻的視覺(jué)特征，從特定數(shù)據(jù)庫(kù)或網(wǎng)絡(luò)中查找到具有指定特征或含有特定內(nèi)容的圖像或視頻。但由于基于內(nèi)容的圖像或視頻檢索方法存在著計(jì)算量大，計(jì)算復(fù)雜度高，占用更多的存儲(chǔ)空間等不足，因此很難在網(wǎng)絡(luò)檢索中獲得實(shí)質(zhì)應(yīng)用。圖像或視頻搜索排序技術(shù)是利用視覺(jué)信息改進(jìn)初始查詢結(jié)果的過(guò)程，可以很好的解決上述問(wèn)題。圖像或視頻搜索排序應(yīng)用中存在著大量排序信息。排序信息包括數(shù)據(jù)的相關(guān)性等級(jí)信息、數(shù)據(jù)的優(yōu)先級(jí)關(guān)系信息以及建立其之上的關(guān)系對(duì)、關(guān)系序列等信息。利用標(biāo)注信息進(jìn)行圖像或視頻排序是目前主要的方法之一，標(biāo)注信息的獲取可以通過(guò)相關(guān)反饋、偽相關(guān)反饋和隱相關(guān)反饋等途徑。其中，相關(guān)性等級(jí)信息廣泛應(yīng)用于信息檢索中的模型訓(xùn)練中。在大多數(shù)情況下，根據(jù)與查詢的相關(guān)性的高低手動(dòng)地或自動(dòng)地對(duì)每個(gè)文檔進(jìn)行不同相關(guān)性等級(jí)的標(biāo)注，例如“非常相關(guān)”、“一般相關(guān)”和“不相關(guān)”等。樣本的相關(guān)性等級(jí)信息不同于傳統(tǒng)的類標(biāo)號(hào)信息，前者是在信息檢索中用來(lái)衡量文檔與查詢之間相關(guān)程度的度量，后者指的是機(jī)器學(xué)習(xí)與模式識(shí)別領(lǐng)域中一類事物所共同具有的屬性。例如在傳統(tǒng)的模式分類任務(wù)中，同一類的事物會(huì)具有共同的特征，不同類的事物具有不同的特征。然而，在排序應(yīng)用中，由于樣本按照與查詢相關(guān)的程度分為不同的相關(guān)性等級(jí)，這樣即使不同相關(guān)性等級(jí)的樣本之間，也可能由于與查詢相關(guān)而存在不同程度的相關(guān)性，此外具有相同的相關(guān)性等級(jí)樣本之間，由于相關(guān)性等級(jí)的不同也會(huì)具有不同程度的相關(guān)性或者不具有相關(guān)性。因此并不能直接將樣本的相關(guān)性等級(jí)信息作為樣本的類別標(biāo)號(hào)信息對(duì)樣本進(jìn)行處理。專利技術(shù)人在實(shí)現(xiàn)本專利技術(shù)的過(guò)程中，發(fā)現(xiàn)現(xiàn)有圖像/視頻的搜索排序技術(shù)中存在以下問(wèn)題圖像或視頻搜索排序中需要對(duì)圖像或視頻提取視覺(jué)特征，視覺(jué)特征具有高維特性。樣本的類別標(biāo)號(hào)不等同于樣本的相關(guān)性等級(jí)信息，傳統(tǒng)的維數(shù)約簡(jiǎn)算法往往是針對(duì)分類任務(wù)提出的，而分類任務(wù)與排序任務(wù)并不相同，因此直接應(yīng)用于圖像或視頻搜索排序中并不合理。圖像或視頻搜索排序中的樣本數(shù)據(jù)與查詢主題存在著不同程度的相關(guān)性，樣本數(shù)據(jù)之間也存在著不同程度的相關(guān)性，而數(shù)據(jù)之間的這種復(fù)雜關(guān)系用超球體分布的形式可以很好的描述。超球體內(nèi)是與查詢最相關(guān)的樣本，靠近球體的位置是與查詢一般相關(guān)的樣本，最外面則是與查詢不相關(guān)的樣本。一方面，目前并沒(méi)有能解決這種數(shù)據(jù)分布的維數(shù)約簡(jiǎn)方法。另一方面，傳統(tǒng)的圖像或視頻的搜索排序方法設(shè)計(jì)中并沒(méi)有考慮到數(shù)據(jù)呈現(xiàn)超球形分布這一特點(diǎn)。不同于傳統(tǒng)的一分器SVDD(Support Vector Data Description), SVDD是利用核變換的思想將樣本映射到高維空間里，認(rèn)為其在未知的高維空間中目標(biāo)樣本是具有超球體分布。因?yàn)楹俗儞Q具有不可控性及未知性，在實(shí)際中很難操作。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)提供了，本專利技術(shù)減少了用戶標(biāo)注負(fù)擔(dān)，提高了檢索性能，提升用戶的搜索體驗(yàn)，詳見(jiàn)下文描述，所述方法包括以下步驟(1)通過(guò)人工標(biāo)注或自動(dòng)標(biāo)注從樣本的特征向量集合中選擇若干個(gè)與查詢最相關(guān)的樣本及與查詢不相關(guān)的樣本，組成訓(xùn)練樣本集合；(2)利用所述訓(xùn)練樣本集合，作為基于超球體分布的維數(shù)約簡(jiǎn)模塊的輸入，獲取維數(shù)約簡(jiǎn)模型；(3)利用所述維數(shù)約簡(jiǎn)模型對(duì)所有樣本及訓(xùn)練樣本集合進(jìn)行變換，得到維數(shù)約簡(jiǎn)后的所有樣本新特征矩陣 及訓(xùn)練樣本新特征矩陣L(4)利用所述訓(xùn)練樣本新特征矩陣t中與查詢最相關(guān)的樣本作為基于一分類器的排序?qū)W習(xí)模型的輸入，訓(xùn)練得到排序模型f(t)；(5)將所述所有樣本新特征矩陣f中的任意一個(gè)樣本ti作為所述排序模型f (t)的輸入，由大到小排列輸出所有樣本排序后的結(jié)果。在步驟(I)之前所述本方法還包括1)獲取圖像或視頻數(shù)據(jù)；2)對(duì)所述基于文本的搜索結(jié)果提取視覺(jué)特征獲取所有樣本的特征向量集合。所述利用所述訓(xùn)練樣本集合，作為基于超球體分布的維數(shù)約簡(jiǎn)模塊的輸入，獲取維數(shù)約簡(jiǎn)模型具體包括1)假設(shè)存在變換向量w e R11，對(duì)訓(xùn)練樣本集合中任意一個(gè)樣本Xi,使得變換后的新樣本為 Yi=W1Xi (1≤i ≤r+h)；2)計(jì)算與查詢最相關(guān)的所有新樣本的中心向量；本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
基于相關(guān)保持映射和一分類器的圖像視頻搜索排序方法，其特征在于，所述方法包括以下步驟：（1）通過(guò)人工標(biāo)注或自動(dòng)標(biāo)注從樣本的特征向量集合中選擇若干個(gè)與查詢最相關(guān)的樣本及與查詢不相關(guān)的樣本，組成訓(xùn)練樣本集合；（2）利用所述訓(xùn)練樣本集合，作為基于超球體分布的維數(shù)約簡(jiǎn)模塊的輸入，獲取維數(shù)約簡(jiǎn)模型；（3）利用所述維數(shù)約簡(jiǎn)模型對(duì)所有樣本及訓(xùn)練樣本集合進(jìn)行變換，得到維數(shù)約簡(jiǎn)后的所有樣本新特征矩陣及訓(xùn)練樣本新特征矩陣（4）利用所述訓(xùn)練樣本新特征矩陣中與查詢最相關(guān)的樣本作為基于一分類器的排序?qū)W習(xí)模型的輸入，訓(xùn)練得到排序模型f(t)；（5）將所述所有樣本新特征矩陣中的任意一個(gè)樣本ti作為所述排序模型f(t)的輸入，由大到小排列輸出所有樣本排序后的結(jié)果。FDA00002693661500011.jpg,FDA00002693661500012.jpg,FDA00002693661500013.jpg,FDA00002693661500014.jpg

【技術(shù)特征摘要】
1.基于相關(guān)保持映射和一分類器的圖像視頻搜索排序方法，其特征在于，所述方法包括以下步驟(1)通過(guò)人工標(biāo)注或自動(dòng)標(biāo)注從樣本的特征向量集合中選擇若干個(gè)與查詢最相關(guān)的樣本及與查詢不相關(guān)的樣本，組成訓(xùn)練樣本集合；(2)利用所述訓(xùn)練樣本集合，作為基于超球體分布的維數(shù)約簡(jiǎn)模塊的輸入，獲取維數(shù)約簡(jiǎn)模型；(3)利用所述維數(shù)約簡(jiǎn)模型對(duì)所有樣本及訓(xùn)練樣本集合進(jìn)行變換，得到維數(shù)約簡(jiǎn)后的所有樣本新特征矩陣f及訓(xùn)練樣本新特征矩陣L ;(4)利用所述訓(xùn)練樣本新特征矩陣t中與查詢最相關(guān)的樣本作為基于一分類器的排序?qū)W習(xí)模型的輸入，訓(xùn)練得到排序模型f(t)；(5)將所述所有樣本新特征矩陣 中的任意一個(gè)樣本ti作為所述排序模型f(t)的輸入，由大到小排列輸出所有樣本排序后的結(jié)果。2.根據(jù)權(quán)利要求1所述的基于相關(guān)保持映射和一分類器的圖像視頻搜索排序方法，其特征在于，在步驟(1)之前所述本方法還包括1)獲取圖像或視頻數(shù)據(jù)；2)對(duì)所述基于文本的搜索...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：冀中，蘇育挺，井佩光，
申請(qǐng)(專利權(quán))人：天津大學(xué)，
類型：發(fā)明
國(guó)別省市：