基于卷积神经网络和概念格的图像语义完备标注方法
基本信息
| 申请号 | CN201911300499.7 | 申请日 | - |
| 公开（公告）号 | CN111079840B | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN111079840B | 申请公布日 | 2022-07-01 |
| 分类号 | G06V10/764（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;CN 106021251 A,2016.10.12;AU 2003900520 A0,2003.02.20;CN 106250915 A,2016.12.21;CN 102306275 A,2012.01.04 Anne-Marie Tousch 等.“Semantic Lattices for Multiple Annotation of Images”.《http://certis.enpc.fr/~audibert/Mes%20articles/MIR08.pdf》.2008,;李雯莉 等.“基于卷积神经网络和概念格的图像语义完备标注”.《小型微型计算机系统》.2020,;顾广华 等.“基于形式概念分析和语义关联规则的目标图像标注”.《自动化学报》.2019,;张素兰等.基于形式概念分析的图像场景语义标注模型.《计算机应用》.2015,（第04期）,;郭海凤.FAC算法在图像检索中的应用.《计算机工程》.2012,（第12期）,;王凯等.基于多层次概念格的图像场景语义分类方法.《山西师范大学学报（自然科学版）》.2017,（第02期）,;钟利华等.基于概念格层次分析的视觉词典生成方法.《计算机辅助设计与图形学学报》.2015,（第01期）, | 分类 | 计算；推算；计数; |
| 发明人 | 张素兰;李雯莉;胡立华;张继福;杨海峰 | 申请（专利权）人 | 太原科技大学 |
| 代理机构 | 太原市科瑞达专利代理有限公司 | 代理人 | - |
| 地址 | 030024山西省太原市万柏林区窊流路66号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于卷积神经网络和概念格的图像语义完备标注方法，首先构建自适应CNN网络，分割待标注图像并提取其特征，以此来获得近邻图像集与其一系列相对应的标签集合；然后利用概念格进行标签本身潜在的语义分析，有效地改善了标注效果，并保证了语义标注的完备性；最后利用投票的方式，得到最优语义标签。采用基准数据集Corel5k进行实验，验证了该方法能有效地丰富图像标签语义，提高标签召回率，并提高图像语义检索效率。 |
