(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211038093.8 (22)申请日 2022.08.26 (71)申请人 深圳市华诚设计开发有限公司 地址 518000 广东省深圳市宝安区西乡街 道南昌社区南昌第二工业区新零售数 字化产业园B栋 505 (72)发明人 夏为　 (74)专利代理 机构 深圳中恒科专利代理有限公 司 44808 专利代理师 王丽 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于自编码器的图像标签方法 (57)摘要 本发明的一种基于自编码器的图像标签方 法， 属于图像标签技术领域， 包括样本图像， 所述 样本图像中包含有大量不同种类特征的图像， 将 所述样本图像输入自动编码器， 所述自动编码器 对每一所述样本图像按照其特征分类到同一个 一级分类中， 同一个一级分类中的样本图像再按 照其特征分在同一个二级分类中， 其中同一个样 本图像可能会同时被分类到不同的一家分类或 二级分类中， 所述自编码器通过每个 分类得到相 应的标签， 对所述自编码器输入待添加标签图 像。 本发明的有益效果是带有自定义标签的图像 在识别的过程中， 自定义标签不会被新确定的标 签替换掉， 根据图像类型适应性调整图像分类方 式的目的， 灵活性强且能够提升标签预测结果的 准确性。 权利要求书1页 说明书5页 附图1页 CN 115512127 A 2022.12.23 CN 115512127 A 1.一种基于自编码器的图像标签方法， 其特征在于： 包括样本图像， 所述样本图像 中包 含有大量不同种类特征 的图像， 将所述样本图像输入自动编码器， 所述自动编码器对每一 所述样本图像按照其特征分类到同一个一级分类中， 同一个一级分类中的样本图像再按照 其特征分在同一个二级分类中， 其中同一个样本图像可能会同时被分类到不同的一级分类 或二号机分类中， 所述自编码器通过每个分类得到相 应的标签， 对所述自编码器输入待添 加标签图像， 所述图像被自编码 器降维处理， 得到该图像的特征图， 所述特征图与每一个分 类都有对应的特征向量， 所述分类下 的每个特征特征向量都包含有多个点， 每个所述点与 所对应分类之间都有一个概率值， 根据概率值将概率值最高的前N个标签确定为该图像的 待添加标签， 其中N可以为不小于1的预设值， 判断所述图像是否存在自定义标签， 如果所述 图像中存在自定义标签， 所述待添加标签中存在自定义标签， 则， 保留所述自定义标签， 将 所述图像当前待添加标签中所述自定义标签之外的其它标签更新为本次所述图像的待添 加图像标签， 所述待 添加标签图像最 终对应的待 添加标签数量为A， 所述A的数值为不小于1 的预设数值， 所述待 添加标签的数量+自定义标签的数量＝A， 当所述待 添加标签的数量+自 定义标签的数量大于A 时， 在所述待添加标签中从概率销较小的标签开始删减直至待添加 标签的数量+自定义标签的数量 ＝A。 2.根据权利要求1所述的一种基于自编码器的图像标签方法， 其特征在于： 所述自编码 器在对样本图像进 行分类前， 所述方法还包括， 针对各个分类建立所对应的样本图像； 初始 化图像标签分类模型； 对自编码器进行基于各分类中的样本图像所对应的标签的分类训 练。 3.根据权利要求1所述的一种基于自编码器的图像标签方法， 其特征在于： 所述图像处 理方法还包括， 在接 收图像时分析所述图像的备注信息， 所述备注信息添加 为该图像的自 定义标签。 4.根据权利要求3所述的一种基于自编码器的图像标签方法， 其特征在于： 所述自定义 标签设置预设的第一标识， 检测所述待添加标签中是否有与自定义标签重合的待 添加标签 包括， 检测所述待添加标签中是否存在设置有第一标识的图像标签， 若所有所述待添加标 签中存在有设置有第一标识的待 添加标签， 则判定待 添加标签中有带有第一标识的待 添加 标签， 若所有所述待添加标签中不存在设置有第一标识的待添加标签， 则判定待添加标签 中没有带第一标识的待添加标签。 5.根据权利要求4所述的一种基于自编码器的图像标签方法， 其特征在于： 检测所述待 添加标签中是否存在自定义标签后， 所述待添加标签中存在自定义标签， 则将所有所述待 添加标签中的自定义标签取出， 剩余所述待添加标签定位盖图像标签， 所述待添加图像中 若不存在自定义标签， 则在所有所述待添加标签中概率值最低的一个待添加标签去除， 剩 余所述待添加标签设为改图像的标签。 6.根据权利要求1所述的一种基于自编码器的图像标签方法， 其特征在于： 将待添加标 签图像输入自编码器中获得特征图的步骤包括， 将待添加标签图像输入自编码器中， 确定 所述待添加标签图标的第一特征图， 对 所述第一特征图进行降维处理， 得到第二特征图； 所 述第二特 征图进行平均池化， 得到所述第二特 征图所对应的特 征向量。权　利　要　求　书 1/1 页 2 CN 115512127 A 2一种基于自编码器的图像标签方 法 技术领域 [0001]本发明涉及图像标签领域， 具体讲 是一种基于自编码器的图像标签方法。 背景技术 [0002]自编码器使得一类板监督学习和非监督学习中使用的日人工神经网络， 其功能是 通过将输入信息作为学习目标， 对输出学习进行表征学习， 自编码器包含编码器和 解码器 两个部分， 安学习范围自编 码器可以被分为收缩自编码 器、 正则自编 码器和变分自编 码器， 其中强两者是判别模型， 后者是生成模型， 自编码器可以使前馈结构或递归结构的神经网 络， 自编码其具有一般意义上的表征学习算法的功能， 被应用于降维和异常值检测， 包含卷 积层构筑的自编码器可被 应用于计算机 视觉问题， 包括图像降噪、 神经风格迁移等。 [0003]所涉互联网的飞速发展， 图像识别技术也被广泛的应用到我们身边的诸多场景 中， 通过图像识别结束对图像进 行识别， 并且通过识别后的结果对图像添加标签， 用以表达 图像的特征内容， 使得使用者可以使用图像搜索到图像内容相关的东西， 比如用一张含有 鱼的图像通过扫描后可被添加 “鱼”、“草鱼”、“四大家鱼之一 ”等标签， 然而现有技术在 对图 像进行识别的时候如果带有自定义标签会被新确定出来的标签顶替， 并且真实的使用场景 下， 很多图像并不需要 过多的标签， 过多的表现反而会给用户在成困扰， 并且过多的标签需 要的运算能力更强， 所占用的计算资源更多， 运 算时间更久， 反而会降低效率。 [0004]以上现有技 术具有以下问题： [0005](1)带有自定义标签 的图像在识别的过程中， 自定义标签会被新确定 的标签替换 掉； [0006](2)现有算法在为很多不需要过多标签数量的图像添加标签时， 会过多的添加标 签， 使得占用过多的计算资源， 运 算时间过程， 并且给用户造成不便 。 发明内容 [0007]本发明的目的在于提供一种基于自编码器的图像标签方法， 以解决上述背景技术 中提出的问题。 [0008]本发明的技术方案是： 包括样本图像， 所述样本图像中包含有大量不 同种类特征 的图像， 将所述样本图像输入自动编码器， 所述自动编码器对每一所述样本图像按照其特 征分类到同一个一级分类中， 同一个一级分类中的样本图像再按照其特征分在同一个二级 分类中， 其中同一个样本图像可能会同时被分类到不同的一家分类或二级分类中， 所述自 编码器通过每个分类得到相 应的标签， 对所述自编码器输入待添加标签图像， 所述图像被 自编码器降维处理， 得到该图像的特征图， 所述特征图与每一个 分类都有对应的特征向量， 所述分类下的每个特征特征向量 都包含有多个点， 每个所述点与所对应分类之 间都有一个 概率值， 根据概率值将概率值最高的前N个标签确定为该图像的待添加标签， 其中N可以为 不小于1的预设值， 判断所述图像是否存在自定义标签， 如果所述图像中存在自定义标签， 所述待添加标签中存在自定义标签， 则， 保留所述自定义标签， 将所述图像当前待 添加标签说　明　书 1/5 页 3 CN 115512127 A 3