技術(shù)特征：

1.一種可同時(shí)挖掘視覺(jué)和語(yǔ)義相似性的圖像標(biāo)注方法，其特征在于，包括以下步驟：

從圖像集中獲取訓(xùn)練圖像子集；

對(duì)測(cè)試圖像在每個(gè)訓(xùn)練圖像子集中獲取K1各視覺(jué)近鄰的圖像并組成集合T；

對(duì)測(cè)試圖像的每個(gè)視覺(jué)近鄰圖像在其相應(yīng)的訓(xùn)練圖像子集中，獲取除集合T外與其既視覺(jué)相似又語(yǔ)義相似的K2個(gè)近鄰圖像并組合成集合P；

利用集合T和P，為每個(gè)標(biāo)簽在標(biāo)注測(cè)試圖像過(guò)程中分配其重要性。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，通過(guò)以下過(guò)程獲取訓(xùn)練圖像子集：

步驟S101，建立圖像集X＝{x₁,x₂,...,x_n}∈R^n×d，其中x_i∈R^d(1≤i≤n)為第i張圖像，d為圖像維數(shù)；

步驟S102，建立一個(gè)包括c個(gè)標(biāo)簽的詞典L＝{l₁,l₂,...,l_c}∈{0,1}^n×c；

步驟S103，建立訓(xùn)練集T＝{(x₁,y₁),(x₂,y₂),...,(x_n,y_n)}用于表示成對(duì)的圖像x_i和該圖像相應(yīng)標(biāo)簽集y_i，其中y_i∈{0,1}^c；

步驟S104，若圖像x_i被第k個(gè)標(biāo)簽標(biāo)記，則y_i(k)＝1，否則y_i(k)＝0；

步驟S105，建立包含所有被同一標(biāo)簽l_i'標(biāo)記的圖像集合為訓(xùn)練圖像子集。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，獲取集合T的具體過(guò)程為：

步驟S201，對(duì)測(cè)試圖像I，獲取其與每個(gè)訓(xùn)練圖像子集中的每一幅圖像間的視覺(jué)距離；

步驟S202，選取每一訓(xùn)練子集中與測(cè)試圖像I最近鄰的K1個(gè)圖像形成集合T_I,i”，i”∈[1,...,c]；

步驟S203，將測(cè)試圖像I的所有最近鄰圖像合并為集合T，T＝{T_I,1∪T_I,2∪...∪T_I,c}＝∪_{i”∈[1,...,c]}T_I,i”。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，獲取集合P的具體過(guò)程為：

步驟S301，將訓(xùn)練圖像的每個(gè)子集T_i'中除測(cè)試圖像I的最近鄰圖像集合T_I,i”外的其它圖像表示為T(mén)other_I,i”'，i”'∈[1,...,c]；

步驟S302，獲取集合Tother_I,i”'中的每幅圖像與集合T_I,i”中的每幅圖像間的視覺(jué)和語(yǔ)義的相似性

S(j,k)＝αD(x_j,x_k)+(1-α)dis(tag)

s.t.j∈T_I,i

k∈Tother_I,i

其中，D(x_j,x_k)為T(mén)_I,i”中圖像x_j與Tother_I,i”'中圖像x_k之間的視覺(jué)距離；dis(tag)＝D(y_j,y_k)為T(mén)_I,i”中圖像x_j的標(biāo)簽集y_j與Tother_I,i”'中圖像x_k的標(biāo)簽集y_k之間的距離，dis(tag)用于表示圖像x_j與圖像x_k之間的語(yǔ)義距離；

步驟S303，選取Tother_I,i”'中與圖像x_j最相似的前K2個(gè)圖像形成子集P_I,i,j；

步驟S304，執(zhí)行步驟S302和S303直至集合Tother_I,i”'和集合T_I,i”中的每幅圖像之間均計(jì)算完相似性且形成子集，將所有子集合并獲得集合P。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，為每個(gè)標(biāo)簽在標(biāo)注測(cè)試圖像過(guò)程中分配其重要性的具體過(guò)程為：

步驟S401，對(duì)于每一標(biāo)簽l_m，獲取測(cè)試圖像I在集合T、P中的后驗(yàn)概率

$P_T\left(I\right|l_m)=\underset{(x_i,y_i)\∈T}{\Σ}{\mathrm{\β}}_{I,x_i}\·\mathrm{\δ}(l_m\∈Y)$

$P_P\left(I\right|l_m)=\underset{(x_i,y_i)\∈P}{\Σ}\exp (-S(I,x_i\left)\right)\·\mathrm{\δ}(l_m\∈Y)$

其中，Y是測(cè)試圖像I相應(yīng)標(biāo)簽的集合，表示對(duì)于圖像x_i當(dāng)用來(lái)預(yù)測(cè)標(biāo)簽l_m時(shí)它所做的貢獻(xiàn)；δ(l_m∈Y)表示標(biāo)簽l_m在測(cè)試圖像I是否出現(xiàn)，如果出現(xiàn)，則δ(l_m∈Y)＝1，否則δ(l_m∈Y)＝0；

步驟S402，對(duì)于每一標(biāo)簽，獲取測(cè)試圖像I的后驗(yàn)概率

P(I|l_m)＝θ·P_T(I|l_m)+(1-θ)·P_P(I|l_m)

其中，θ為集合T在決策中的權(quán)重，則(1-θ)為集合P在決策中的權(quán)重；

步驟S403，根據(jù)貝葉斯公式獲得測(cè)試圖像I的標(biāo)簽l_m的后驗(yàn)概率為

$P\left(l_m\right|I)=\frac{P\left(l_m\right)P\left(I\right|l_m)}{P\left(I\right)};$

步驟S404，獲得檢測(cè)圖像I的標(biāo)簽

$l*=\arg \underset{m}{max}P\left(l_m\right|I).$