專利名稱：基于內(nèi)容的圖像檢索反饋方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像檢索與識(shí)別領(lǐng)域，更具體地說(shuō)，本發(fā)明涉及一種基于內(nèi)容的圖像檢索反饋方法。
背景技術(shù)：
傳統(tǒng)的基于內(nèi)容的圖像檢索技術(shù)的檢索精度通常不是很理想，相關(guān)反饋技術(shù)能夠在一定程度上彌補(bǔ)這樣的缺點(diǎn)。人們做了許多相關(guān)反饋方面的研究工作，也取得了不少成績(jī)。比較典型的有Rui等提出的查詢點(diǎn)移動(dòng)方法，該方法仿照文本檢索中的Rachio公式對(duì)用戶提交的圖像的特征向量進(jìn)行修改，使得其朝著用戶期望的方向移動(dòng)。修改后的特征向量是用戶提交的圖像的原特征向量、正反饋圖像的特征向量以及負(fù)反饋圖像的特征向量的加權(quán)和，使其偏向正反饋圖像的特征向量，偏離負(fù)反饋圖像的特征向量，從而在二次檢索時(shí)朝著用戶期望的結(jié)果方向移動(dòng)。近年來(lái)，機(jī)器學(xué)習(xí)方法逐漸成為相關(guān)反饋方法的主流，其思想是將相關(guān)反饋看做一個(gè)帶監(jiān)督的分類問(wèn)題將正負(fù)反饋樣本作為機(jī)器學(xué)習(xí)的正負(fù)訓(xùn)練樣本，訓(xùn)練一個(gè)分類器，并以此作為新的相似性度量函數(shù)對(duì)圖像庫(kù)中所有圖像與用戶提交的圖像之間進(jìn)行相似性計(jì)算，排序后輸出檢索結(jié)果。然而，現(xiàn)有的圖像檢索反饋方法存在以下問(wèn)題由于語(yǔ)義鴻溝的存在，傳統(tǒng)的改變用戶提交的圖像特征的方法對(duì)二次檢索的結(jié)果精度提升作用不大；反饋的作用只是針對(duì)當(dāng)次檢索，在下次提交相同的圖像進(jìn)行檢索時(shí)精度依然很低；機(jī)器學(xué)習(xí)的反饋方法在檢索時(shí)引入了機(jī)器學(xué)習(xí)，實(shí)時(shí)性難以保證，同時(shí)由于樣本數(shù)量較少，訓(xùn)練效果不明顯，對(duì)檢索精度提升作用不大。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于內(nèi)容的圖像檢索反饋方法，該方法在檢索系統(tǒng)中引入了支持向量機(jī)(SVM)對(duì)圖像進(jìn)行分類，得到類別標(biāo)簽，并根據(jù)反饋圖像的類別標(biāo)簽、文本關(guān)鍵字、以及文本關(guān)鍵字與反饋圖像類別標(biāo)簽的映射關(guān)系，進(jìn)行圖像檢索的相關(guān)反饋，彌補(bǔ)了初次檢索結(jié)果精度偏低的缺點(diǎn)，提升了二次檢索的精度，同時(shí)在多次反饋中提升系統(tǒng)檢索的精度，自動(dòng)修改訓(xùn)練樣本，縮減人力成本。本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的一種基于內(nèi)容的圖像檢索反饋方法，包括以下步驟(1)獲取圖像庫(kù)中的所有圖像，定義圖像的視覺(jué)類別，并確定視覺(jué)類別的數(shù)量，每個(gè)視覺(jué)類別由一個(gè)類別標(biāo)簽表示；(2)提取圖像的文本關(guān)鍵字，并建立從文本關(guān)鍵字到類別標(biāo)簽的映射表；(3)從圖像庫(kù)中選擇訓(xùn)練樣本，并利用支持向量機(jī)對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練，以得到特征分類模型；(4)根據(jù)特征分類模型將圖像劃分到視覺(jué)類別中；(5)根據(jù)特征分類模型確定用戶提交的圖像的視覺(jué)類別，在視覺(jué)類別中檢索與用
4戶提交的圖像相似的圖像，并返回檢索結(jié)果；(6)在檢索結(jié)果中選擇反饋圖像，根據(jù)反饋圖像與用戶提交的圖像的相關(guān)性將其分別標(biāo)注為正、負(fù)反饋圖像，并將標(biāo)注結(jié)果反饋給檢索系統(tǒng)；(7)檢索系統(tǒng)根據(jù)反饋圖像的文本關(guān)鍵字、類別標(biāo)簽以及映射表判斷用戶提交的圖像的準(zhǔn)確類別；(8)根據(jù)準(zhǔn)確類別修正反饋圖像中分類錯(cuò)誤的類別標(biāo)簽、訓(xùn)練樣本中有誤的反饋圖像以及用戶提交的圖像；(9)在準(zhǔn)確類別中檢索與用戶提交的圖像相似的圖像，并返回二次檢索結(jié)果；(10)判斷二次檢索結(jié)果是否滿足檢索要求；(11)若二次檢索結(jié)果不滿足檢索要求，則返回步驟(6)，若二次檢索結(jié)果滿足檢索要求，則進(jìn)入步驟(12)；(12)判斷訓(xùn)練樣本的修正數(shù)量是否達(dá)到訓(xùn)練樣本中的圖像總數(shù)的10%，若達(dá)到， 則進(jìn)入步驟(13)，否則過(guò)程結(jié)束；(13)按修正的訓(xùn)練樣本重新訓(xùn)練特征分類模型，對(duì)圖像庫(kù)中的圖像分類，并更新其分類標(biāo)簽。步驟(2)包括以下子步驟提取圖像庫(kù)中的圖像的網(wǎng)頁(yè)文本，分析網(wǎng)頁(yè)文本，剔除其中所含的超文本標(biāo)記語(yǔ)言標(biāo)簽，并提取其正文文本，利用中科院計(jì)算所的漢語(yǔ)詞法分析系統(tǒng)對(duì)正文文本進(jìn)行分詞，并剔除無(wú)關(guān)詞語(yǔ)，得到圖像的文本關(guān)鍵字，將文本關(guān)鍵字根據(jù)其語(yǔ)義劃分到視覺(jué)類別中，建立文本關(guān)鍵字到視覺(jué)類別標(biāo)簽的映射表。步驟(7)包括以下子步驟根據(jù)映射表獲得正反饋圖像的文本關(guān)鍵字對(duì)應(yīng)的類別標(biāo)簽，統(tǒng)計(jì)類別標(biāo)簽中不同類別標(biāo)簽的數(shù)量，并獲得類別標(biāo)簽數(shù)量最多的類別標(biāo)簽，若數(shù)量最多的類別標(biāo)簽種類唯一，則判斷該類別標(biāo)簽作為用戶提交的圖像的準(zhǔn)確類別。步驟(7)還包括以下子步驟若數(shù)量最多的類別標(biāo)簽種類不唯一，則根據(jù)映射表獲得負(fù)反饋圖像的文本關(guān)鍵字對(duì)應(yīng)的類別標(biāo)簽，統(tǒng)計(jì)類別標(biāo)簽中不同類別標(biāo)簽的數(shù)量，并根據(jù)數(shù)量由多到少將類別標(biāo)簽排序，并存放到負(fù)反饋類別列表中，從數(shù)量最多的類別標(biāo)簽中順次剔除在負(fù)反饋類別列表中出現(xiàn)的類別標(biāo)簽，直到數(shù)量最多的類別標(biāo)簽種類唯一，并判斷該類別標(biāo)簽作為用戶提交的圖像的準(zhǔn)確類別。步驟⑶包括以下子步驟若正反饋圖像的類別標(biāo)簽與用戶提交的圖像的準(zhǔn)確類別標(biāo)簽不一致，則將正反饋圖像的類別修正為用戶提交的圖像的準(zhǔn)確類別，并將正反饋圖像添加到準(zhǔn)確類別的訓(xùn)練樣本中，若負(fù)反饋圖像的類別標(biāo)簽與用戶提交的圖像的準(zhǔn)確類別標(biāo)簽一致，且準(zhǔn)確類別的訓(xùn)練樣本中包含負(fù)反饋圖像，則從準(zhǔn)確類別的訓(xùn)練樣本中刪除負(fù)反饋圖像，若用戶提交的圖像的視覺(jué)類別與用戶提交的圖像的準(zhǔn)確類別不一致，則將用戶提交的圖像添加到準(zhǔn)確類別的訓(xùn)練樣本中。本發(fā)明具有以下的優(yōu)點(diǎn)和有益效果(1)由于引入了文本關(guān)鍵字與圖像類別標(biāo)簽的映射關(guān)系，利用文本關(guān)鍵字進(jìn)行反饋，反饋檢索的精度將比單純修改用戶提交的圖像的底層特征的反饋方法精度提升很多；(2)在反饋過(guò)程中，圖像庫(kù)中的圖像的類別有一個(gè)自修正的過(guò)程，每一次反饋不僅提升了當(dāng)次檢索結(jié)果的精度，而且修正了圖像庫(kù)中的分類錯(cuò)誤的圖像類別，提升了下次檢索的精度。隨著用戶使用次數(shù)的增加，檢索精度將會(huì)越來(lái)越高；
(3)反饋過(guò)程中主要是利用文本關(guān)鍵字與圖像類別標(biāo)簽的映射關(guān)系進(jìn)行簡(jiǎn)單的計(jì)算，判定用戶提交的圖像的類別，計(jì)算量小，實(shí)時(shí)性高，比基于機(jī)器學(xué)習(xí)的反饋方法速度快很多；(4)反饋過(guò)程中對(duì)圖像庫(kù)的訓(xùn)練樣本進(jìn)行自修正，提升了下次訓(xùn)練的精度，同時(shí)縮減了挑選樣本的人力成本。


圖1為本發(fā)明基于內(nèi)容的圖像檢索反饋方法的流程圖。圖2為本發(fā)明方法中步驟O)的細(xì)化流程圖。圖3為本發(fā)明方法中步驟(7)的細(xì)化流程圖。
具體實(shí)施例方式首先對(duì)本發(fā)明中的技術(shù)術(shù)語(yǔ)進(jìn)行解釋和說(shuō)明視覺(jué)類別在視覺(jué)上具有某種意義上相似性的圖像的集合定義為一個(gè)視覺(jué)類別。類別標(biāo)簽每一個(gè)視覺(jué)類別用一個(gè)唯一的數(shù)字標(biāo)號(hào)表示，該數(shù)字標(biāo)號(hào)定義為該視覺(jué)類別的類別標(biāo)簽。類別標(biāo)簽是視覺(jué)類別的一個(gè)別名，主要用于簡(jiǎn)化視覺(jué)類別的表示。文本關(guān)鍵字本系統(tǒng)圖像庫(kù)中的圖像的來(lái)源為網(wǎng)絡(luò)，網(wǎng)絡(luò)上的圖像都有一定的網(wǎng)頁(yè)文本說(shuō)明，文本關(guān)鍵字定義為網(wǎng)頁(yè)文本中最能表征圖像語(yǔ)義的那些詞語(yǔ)。訓(xùn)練樣本機(jī)器學(xué)習(xí)理論中的分類算法支持向量機(jī)需要一個(gè)事先學(xué)習(xí)的過(guò)程，該學(xué)習(xí)過(guò)程需要人工標(biāo)記過(guò)視覺(jué)類別的一定數(shù)量的樣本，將該樣本定義為訓(xùn)練樣本。特征分類模型利用支持向量機(jī)根據(jù)圖像底層特征對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練后得到的分類模型，該模型用來(lái)對(duì)所有圖像進(jìn)行分類。反饋圖像用戶對(duì)檢索結(jié)果中部分圖像標(biāo)注后反饋給檢索系統(tǒng)的圖像定義為反饋圖像。如圖1所示，本發(fā)明基于內(nèi)容的圖像檢索反饋方法包括以下步驟(1)獲取圖像庫(kù)中的所有圖像，定義圖像的視覺(jué)類別，并確定視覺(jué)類別的數(shù)量，每個(gè)視覺(jué)類別由一個(gè)類別標(biāo)簽表示；(2)提取圖像的文本關(guān)鍵字，并建立從文本關(guān)鍵字到類別標(biāo)簽的映射表，具體包括以下子步驟(見(jiàn)圖2)(21)提取圖像庫(kù)中的圖像的網(wǎng)頁(yè)文本；(22)分析網(wǎng)頁(yè)文本，剔除其中所含的超文本標(biāo)記語(yǔ)言標(biāo)簽，并提取其正文文本；(23)利用中科院計(jì)算所的漢語(yǔ)詞法分析系統(tǒng)對(duì)正文文本進(jìn)行分詞，并剔除無(wú)關(guān)詞語(yǔ)，得到圖像的文本關(guān)鍵字；(24)將文本關(guān)鍵字根據(jù)其語(yǔ)義劃分到視覺(jué)類別中；(25)建立文本關(guān)鍵字到視覺(jué)類別標(biāo)簽的映射表。(3)從圖像庫(kù)中選擇訓(xùn)練樣本，并利用支持向量機(jī)對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練，以得到特征分類模型；(4)根據(jù)特征分類模型將圖像劃分到視覺(jué)類別中；(5)根據(jù)特征分類模型確定用戶提交的圖像的視覺(jué)類別，在視覺(jué)類別中檢索與用戶提交的圖像相似的圖像，并返回檢索結(jié)果；(6)在檢索結(jié)果中選擇反饋圖像，根據(jù)反饋圖像與用戶提交的圖像的相關(guān)性將其分別標(biāo)注為正、負(fù)反饋圖像，并將標(biāo)注結(jié)果反饋給檢索系統(tǒng)；(7)檢索系統(tǒng)根據(jù)反饋圖像的文本關(guān)鍵字、類別標(biāo)簽以及映射表判斷用戶提交的圖像的準(zhǔn)確類別，具體包括以下子步驟(見(jiàn)圖3)(71)根據(jù)映射表獲得正反饋圖像的文本關(guān)鍵字對(duì)應(yīng)的類別標(biāo)簽；(72)統(tǒng)計(jì)類別標(biāo)簽中不同類別標(biāo)簽的數(shù)量，并獲得類別標(biāo)簽數(shù)量最多的類別標(biāo)簽；(73)若數(shù)量最多的類別標(biāo)簽種類唯一，進(jìn)入步驟(77)，否則進(jìn)入步驟(74)；(74)若數(shù)量最多的類別標(biāo)簽種類不唯一，則根據(jù)映射表獲得負(fù)反饋圖像的文本關(guān)鍵字對(duì)應(yīng)的類別標(biāo)簽；(75)統(tǒng)計(jì)類別標(biāo)簽中不同類別標(biāo)簽的數(shù)量，并根據(jù)數(shù)量由多到少將類別標(biāo)簽排序，并存放到負(fù)反饋類別列表中；(76)從數(shù)量最多的類別標(biāo)簽中順次剔除在負(fù)反饋類別列表中出現(xiàn)的類別標(biāo)簽，直到數(shù)量最多的類別標(biāo)簽種類唯一；(77)判斷數(shù)量最多的類別標(biāo)簽作為用戶提交的圖像的準(zhǔn)確類別。(8)根據(jù)準(zhǔn)確類別修正反饋圖像中分類錯(cuò)誤的類別標(biāo)簽、訓(xùn)練樣本中有誤的反饋圖像以及用戶提交的圖像。具體包括以下子步驟(81)若正反饋圖像的類別標(biāo)簽與用戶提交的圖像的準(zhǔn)確類別標(biāo)簽不一致，則將正反饋圖像的類別修正為用戶提交的圖像的準(zhǔn)確類別，并將正反饋圖像添加到準(zhǔn)確類別的訓(xùn)練樣本中；(82)若負(fù)反饋圖像的類別標(biāo)簽與用戶提交的圖像的準(zhǔn)確類別標(biāo)簽一致，且準(zhǔn)確類別的訓(xùn)練樣本中包含負(fù)反饋圖像，則從準(zhǔn)確類別的訓(xùn)練樣本中刪除負(fù)反饋圖像；(83)若用戶提交的圖像的視覺(jué)類別與用戶提交的圖像的準(zhǔn)確類別不一致，則將用戶提交的圖像添加到準(zhǔn)確類別的訓(xùn)練樣本中。(9)在準(zhǔn)確類別中檢索與用戶提交的圖像相似的圖像，并返回二次檢索結(jié)果；(10)判斷二次檢索結(jié)果是否滿足檢索要求；(11)若二次檢索結(jié)果不滿足檢索要求，則返回步驟(6)，若二次檢索結(jié)果滿足檢索要求，則進(jìn)入步驟(12)；(12)判斷訓(xùn)練樣本的修正數(shù)量是否達(dá)到訓(xùn)練樣本中的圖像總數(shù)的10%，若達(dá)到， 則進(jìn)入步驟(13)，否則過(guò)程結(jié)束；(13)按修正的訓(xùn)練樣本重新訓(xùn)練特征分類模型，對(duì)圖像庫(kù)中的圖像分類，并更新其分類標(biāo)簽。值得說(shuō)明的是，本反饋方案建立在對(duì)用戶充分信任的基礎(chǔ)之上，即用戶的每個(gè)反饋圖像標(biāo)注都準(zhǔn)確無(wú)誤。實(shí)際中用戶可能會(huì)由于疏忽大意等原因?qū)Ψ答亪D像標(biāo)識(shí)錯(cuò)誤，為了防止這種情況對(duì)圖像庫(kù)中的圖像信息的錯(cuò)誤修改，可以暫緩修改反饋圖像的類別標(biāo)簽以及訓(xùn)練樣本，給它們加上一個(gè)統(tǒng)計(jì)數(shù)，在用戶多次反饋(比如3次)同樣的信息后，確認(rèn)該反饋準(zhǔn)確無(wú)誤，然后修正對(duì)反饋圖像的類別標(biāo)簽以及訓(xùn)練樣本標(biāo)簽。
權(quán)利要求
1.一種基于內(nèi)容的圖像檢索反饋方法，其特征在于，包括以下步驟(1)獲取圖像庫(kù)中的所有圖像，定義所述圖像的視覺(jué)類別，并確定所述視覺(jué)類別的數(shù)量，每個(gè)視覺(jué)類別由一個(gè)類別標(biāo)簽表示；(2)提取所述圖像的文本關(guān)鍵字，并建立從所述文本關(guān)鍵字到所述類別標(biāo)簽的映射表；(3)從所述圖像庫(kù)中選擇訓(xùn)練樣本，并利用支持向量機(jī)對(duì)所述訓(xùn)練樣本進(jìn)行訓(xùn)練，以得到特征分類模型；(4)根據(jù)所述特征分類模型將所述圖像劃分到所述視覺(jué)類別中；(5)根據(jù)所述特征分類模型確定用戶提交的圖像的視覺(jué)類別，在所述視覺(jué)類別中檢索與所述用戶提交的圖像相似的圖像，并返回檢索結(jié)果；(6)在所述檢索結(jié)果中選擇反饋圖像，根據(jù)所述反饋圖像與所述用戶提交的圖像的相關(guān)性將其分別標(biāo)注為正、負(fù)反饋圖像，并將標(biāo)注結(jié)果反饋給所述檢索系統(tǒng)；(7)所述檢索系統(tǒng)根據(jù)所述反饋圖像的文本關(guān)鍵字、類別標(biāo)簽以及所述映射表判斷所述用戶提交的圖像的準(zhǔn)確類別；(8)根據(jù)所述準(zhǔn)確類別修正所述反饋圖像中分類錯(cuò)誤的類別標(biāo)簽、所述訓(xùn)練樣本中有誤的反饋圖像以及所述用戶提交的圖像；(9)在所述準(zhǔn)確類別中檢索與所述用戶提交的圖像相似的圖像，并返回二次檢索結(jié)果；(10)判斷所述二次檢索結(jié)果是否滿足檢索要求；(11)若所述二次檢索結(jié)果不滿足檢索要求，則返回步驟(6)，若所述二次檢索結(jié)果滿足檢索要求，則進(jìn)入步驟(12)；(12)判斷所述訓(xùn)練樣本的修正數(shù)量是否達(dá)到所述訓(xùn)練樣本中的圖像總數(shù)的10%，若達(dá)到，則進(jìn)入步驟(13)，否則過(guò)程結(jié)束；(13)按修正的所述訓(xùn)練樣本重新訓(xùn)練所述特征分類模型，對(duì)所述圖像庫(kù)中的圖像分類，并更新其分類標(biāo)簽。
2.根據(jù)權(quán)利要求1所述的圖像檢索反饋方法，其特征在于，所述步驟(2)包括以下子步驟提取所述圖像庫(kù)中的圖像的網(wǎng)頁(yè)文本；分析所述網(wǎng)頁(yè)文本，剔除其中所含的超文本標(biāo)記語(yǔ)言標(biāo)簽，并提取其正文文本； 利用中科院計(jì)算所的漢語(yǔ)詞法分析系統(tǒng)對(duì)所述正文文本進(jìn)行分詞，并剔除無(wú)關(guān)詞語(yǔ)， 得到所述圖像的文本關(guān)鍵字；將所述文本關(guān)鍵字根據(jù)其語(yǔ)義劃分到所述視覺(jué)類別中； 建立文本關(guān)鍵字到視覺(jué)類別標(biāo)簽的映射表。
3.根據(jù)權(quán)利要求1所述的圖像檢索反饋方法，其特征在于，所述步驟(7)包括以下子步驟根據(jù)所述映射表獲得所述正反饋圖像的文本關(guān)鍵字對(duì)應(yīng)的類別標(biāo)簽；統(tǒng)計(jì)所述類別標(biāo)簽中不同類別標(biāo)簽的數(shù)量，并獲得所述類別標(biāo)簽數(shù)量最多的類別標(biāo)簽；若所述數(shù)量最多的類別標(biāo)簽種類唯一，則判斷該類別標(biāo)簽作為所述用戶提交的圖像的準(zhǔn)確類別。
4.根據(jù)權(quán)利要求1所述的圖像檢索反饋方法，其特征在于，所述步驟(7)還包括以下子步驟若所述數(shù)量最多的類別標(biāo)簽種類不唯一，則根據(jù)所述映射表獲得所述負(fù)反饋圖像的文本關(guān)鍵字對(duì)應(yīng)的類別標(biāo)簽；統(tǒng)計(jì)所述類別標(biāo)簽中不同類別標(biāo)簽的數(shù)量，并根據(jù)數(shù)量由多到少將所述類別標(biāo)簽排序，并存放到負(fù)反饋類別列表中；從所述數(shù)量最多的類別標(biāo)簽中順次剔除在負(fù)反饋類別列表中出現(xiàn)的類別標(biāo)簽，直到所述數(shù)量最多的類別標(biāo)簽種類唯一，并判斷該類別標(biāo)簽作為所述用戶提交的圖像的準(zhǔn)確類別。
5.根據(jù)權(quán)利要求1所述的圖像檢索反饋方法，其特征在于，所述步驟(8)包括以下子步驟若所述正反饋圖像的類別標(biāo)簽與所述用戶提交的圖像的準(zhǔn)確類別標(biāo)簽不一致，則將所述正反饋圖像的類別修正為所述用戶提交的圖像的準(zhǔn)確類別，并將所述正反饋圖像添加到所述準(zhǔn)確類別的訓(xùn)練樣本中；若所述負(fù)反饋圖像的類別標(biāo)簽與所述用戶提交的圖像的準(zhǔn)確類別標(biāo)簽一致，且所述準(zhǔn)確類別的訓(xùn)練樣本中包含所述負(fù)反饋圖像，則從所述準(zhǔn)確類別的訓(xùn)練樣本中刪除所述負(fù)反饋圖像；若所述用戶提交的圖像的視覺(jué)類別與所述用戶提交的圖像的準(zhǔn)確類別不一致，則將所述用戶提交的圖像添加到所述準(zhǔn)確類別的訓(xùn)練樣本中。
全文摘要
本發(fā)明涉及一種基于內(nèi)容圖像檢索反饋方法，包括從圖像庫(kù)中選擇訓(xùn)練樣本，并利用支持向量機(jī)對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練，以得到特征分類模型，根據(jù)特征分類模型將圖像劃分到視覺(jué)類別中，根據(jù)特征分類模型確定用戶提交的圖像的視覺(jué)類別，在視覺(jué)類別中檢索與用戶提交的圖像相似的圖像，并返回檢索結(jié)果，在檢索結(jié)果中選擇反饋圖像，根據(jù)反饋圖像與用戶提交的圖像的相關(guān)性將其分別標(biāo)注為正、負(fù)反饋圖像，并將標(biāo)注結(jié)果反饋給檢索系統(tǒng)，根據(jù)反饋圖像的文本關(guān)鍵字、類別標(biāo)簽以及映射表判斷用戶提交的圖像的準(zhǔn)確類別，在準(zhǔn)確類別中檢索與用戶提交的圖像相似的圖像，并返回二次檢索結(jié)果。本發(fā)明可快速準(zhǔn)確定位用戶提交的圖像的所屬類別，并提高了二次檢索精度。
文檔編號(hào)G06F17/30GK102542014SQ201110423978
公開(kāi)日2012年7月4日 申請(qǐng)日期2011年12月16日 優(yōu)先權(quán)日2011年12月16日
發(fā)明者周挺, 朱磊, 章勤, 鄭然 , 郭明瑞, 金海 申請(qǐng)人:華中科技大學(xué)