胡楠 曲睿婷 王浩 李東洋 于元旗

摘 要：圖像語(yǔ)義標(biāo)注技術(shù)對(duì)于多媒體數(shù)據(jù)管理來(lái)說(shuō)有著重要的意義，主要可以減少管理的混亂性，提升管理效率。本文將主要演示的是一個(gè)在多馬爾科夫隨機(jī)場(chǎng)的基礎(chǔ)上一個(gè)圖像語(yǔ)義自動(dòng)標(biāo)注方法（multiple Markov random field，MMRF）的圖像予以標(biāo)注系統(tǒng)，利用交互式標(biāo)注模型的訓(xùn)練和演示，展示MMRF技術(shù)最主要的標(biāo)注功能，使得觀眾能夠簡(jiǎn)明了解到圖像語(yǔ)義自動(dòng)標(biāo)注的系統(tǒng)實(shí)現(xiàn)。

關(guān)鍵詞：圖像語(yǔ)義標(biāo)注；馬爾科夫隨機(jī)場(chǎng)；系統(tǒng)實(shí)現(xiàn)；語(yǔ)義上下文

引言

目前，互聯(lián)網(wǎng)上數(shù)字圖像的數(shù)量呈現(xiàn)出直線式上升的狀態(tài)，比如目前十分流行Instagram照片分享網(wǎng)站每分鐘上傳的照片高達(dá)5000張左右，雖然某些社交網(wǎng)站的圖像會(huì)附帶有用戶標(biāo)簽，但就實(shí)際情況而言垃圾標(biāo)簽的現(xiàn)象十分普遍，或者標(biāo)簽語(yǔ)義過(guò)于模糊等等[1]。因此行業(yè)內(nèi)掀起了一陣對(duì)圖像語(yǔ)義自動(dòng)標(biāo)注（automatic image annotation，AIA）的研究熱潮?，F(xiàn)階段AIA研究面臨的瓶頸就是“語(yǔ)義鴻溝”（semantic gap），也就是高層次抽象語(yǔ)義概念表達(dá)出的含義與低層次數(shù)字圖像內(nèi)容之間的沖突?，F(xiàn)將對(duì)本文研究結(jié)果進(jìn)行討論：

一、系統(tǒng)框架設(shè)計(jì)

本系統(tǒng)的主要流程框架見(jiàn)下圖所示：

1.系統(tǒng)主流程

該系統(tǒng)的主要流程主要由兩個(gè)部分組成，分別是離線預(yù)處理和在線圖像標(biāo)注，其中離線預(yù)處理有三個(gè)步驟：

（1）訓(xùn)練圖像庫(kù)構(gòu)建

系統(tǒng)主要提供了2個(gè)圖像庫(kù)，其一是圖像標(biāo)注研究領(lǐng)域中經(jīng)常使用到的Corel數(shù)據(jù)集，其中包括了5000幅圖像，4500張會(huì)直接成為訓(xùn)練圖像，剩下500幅是測(cè)試圖像。在每幅圖像上標(biāo)注至少1個(gè)至多5個(gè)語(yǔ)義標(biāo)簽，將這4500幅圖像作為訓(xùn)練圖像集，再通過(guò)網(wǎng)絡(luò)下載得到另一個(gè)圖像庫(kù)，主要從各大圖像分享網(wǎng)站或者google等搜索引擎等收集，對(duì)這些圖像中的錯(cuò)誤標(biāo)簽全部去除[2]。

（2）圖像特征提取

提取每幅圖像中的15個(gè)特征，然后利用Tagprop的方法對(duì)每個(gè)訓(xùn)練庫(kù)學(xué)習(xí)權(quán)重向量w。

（3）模型參數(shù)學(xué)習(xí)

本系統(tǒng)主要通過(guò)圖像標(biāo)注算法得出第i個(gè)語(yǔ)義標(biāo)簽，并且觀察出圖像的特征d，將二者結(jié)合之后得出聯(lián)合概率P（d，w），再將MMRF中的學(xué)習(xí)模型參數(shù)代入其中，如下文算法1所示。在對(duì)模型進(jìn)行訓(xùn)練的時(shí)候主要有三個(gè)步驟，首先對(duì)每個(gè)語(yǔ)義標(biāo)簽構(gòu)建語(yǔ)義概念圖，然后系統(tǒng)會(huì)篩選訓(xùn)練圖像并且得出一個(gè)正負(fù)樣例平衡的訓(xùn)練集，最后利用MMRF模型算出參數(shù)θ。

算法1：MMRF模型參數(shù)學(xué)習(xí)方法

輸入：待標(biāo)注的圖像I，詞表S和訓(xùn)練圖集X；

輸出：MMRF模型參數(shù)θ

①for每個(gè)詞∈S do

②構(gòu)建語(yǔ)義概念關(guān)系圖

③構(gòu)建訓(xùn)練圖像集

④求解MMRF模型參數(shù)θ

⑤end for

標(biāo)注系統(tǒng)在對(duì)線上圖像進(jìn)行標(biāo)注的時(shí)候主要包含以下三個(gè)步驟：

（1）圖像上傳及標(biāo)注

客戶端在上傳一張或者多張圖像之后，系統(tǒng)會(huì)對(duì)圖像進(jìn)行分別的標(biāo)注，并且得出標(biāo)注結(jié)果，每一幅圖像得到的標(biāo)注結(jié)果都是P（f）最大化之后的標(biāo)簽組合，也就是f=arg maxP（f）。

2.用戶評(píng)判

客戶端的用戶會(huì)對(duì)標(biāo)注結(jié)果進(jìn)行評(píng)判，并且標(biāo)記正確的標(biāo)注結(jié)果，達(dá)到交互式標(biāo)注。

3.標(biāo)注結(jié)果保存

用戶評(píng)判的結(jié)果會(huì)直接進(jìn)入到數(shù)據(jù)庫(kù)之中，也會(huì)進(jìn)行下載下來(lái)的訓(xùn)練圖像圖，由于這些新入庫(kù)的訓(xùn)練圖像的標(biāo)注準(zhǔn)確度較高，因此系統(tǒng)能夠?qū)δＰ偷膮?shù)進(jìn)行有效的修正，所以能夠幫助提高系統(tǒng)的標(biāo)注能力[3]。

4.系統(tǒng)圖像標(biāo)注效果

Corel數(shù)據(jù)集的標(biāo)注結(jié)果見(jiàn)下表所示，將其與傳統(tǒng)的MBRM與Tagprop相比，該系統(tǒng)在Corel數(shù)據(jù)集上的precision和f1明顯高于其他兩種方法，recall的水平也較高。

二、系統(tǒng)演示

該系統(tǒng)在C++語(yǔ)言的基礎(chǔ)上建立，因此在用戶界面上擁有比較良好的性能，用戶可以在該界面上輕松完成上傳圖像并標(biāo)注的任務(wù)[4]，并且該界面還具有一定的人機(jī)交互功能，用戶在對(duì)標(biāo)注結(jié)果進(jìn)行判斷之后，系統(tǒng)可以將判斷的結(jié)果重新儲(chǔ)存，并且將新的標(biāo)注圖像添加至訓(xùn)練庫(kù)之中。

1.界面介紹

在系統(tǒng)界面之中，用戶可以自行選擇訓(xùn)練圖像庫(kù)，上傳待標(biāo)注的圖像，完成之后在界面上顯示“待標(biāo)注”，點(diǎn)擊“標(biāo)注”按鈕之后可以對(duì)該圖像進(jìn)行標(biāo)注，標(biāo)注之后會(huì)給出標(biāo)注結(jié)果和相應(yīng)標(biāo)簽，用戶可以對(duì)標(biāo)注結(jié)構(gòu)進(jìn)行判斷，在“用戶評(píng)判”一欄的正確選項(xiàng)上打鉤，如果錯(cuò)誤也可以選擇“錯(cuò)誤”選項(xiàng)，系統(tǒng)會(huì)將這一信息反饋給cpu，進(jìn)行重新標(biāo)注。確認(rèn)完全正確之后點(diǎn)擊“保存”按鈕，系統(tǒng)會(huì)自動(dòng)將標(biāo)注完成的圖像存儲(chǔ)到數(shù)據(jù)庫(kù)之中，并且還會(huì)隨之添加到訓(xùn)練圖像集之中。

2.圖像標(biāo)注演示步驟

該系統(tǒng)利用交互式圖像語(yǔ)義標(biāo)注模型的標(biāo)注，使得MMRF技術(shù)的標(biāo)注性能得到了有效的展示，用戶能夠更加充分地了解到圖像語(yǔ)義標(biāo)注的系統(tǒng)實(shí)現(xiàn)全過(guò)程。系統(tǒng)在演示的時(shí)候主要有以下幾步：

（1）選擇訓(xùn)練圖像庫(kù)

（2）選擇需要標(biāo)記的圖像，將其上傳到標(biāo)注系統(tǒng)之中。

（3）點(diǎn)擊“標(biāo)注”按鈕，系統(tǒng)開始對(duì)圖像進(jìn)行標(biāo)注，并且給出標(biāo)注結(jié)果。

（4）用戶判斷標(biāo)注結(jié)果

（5）保存標(biāo)注結(jié)果

三、結(jié)束語(yǔ)

綜上所述，本文在語(yǔ)義上下文建模的基礎(chǔ)上演示了一個(gè)對(duì)圖像進(jìn)行自動(dòng)語(yǔ)義標(biāo)注的系統(tǒng)，利用交互式的系統(tǒng)演示，可以將系統(tǒng)中的圖像標(biāo)注功能充分展現(xiàn)出來(lái)，觀眾可以從中更好地了解到目前語(yǔ)義自動(dòng)標(biāo)注系統(tǒng)的發(fā)展現(xiàn)狀，以及該標(biāo)注系統(tǒng)的實(shí)際工作流程，使得該系統(tǒng)更具有操作性和實(shí)用性，促進(jìn)各大網(wǎng)站能夠?qū)ι蟼鞯膱D像進(jìn)行精準(zhǔn)的標(biāo)注，幫助其他用戶可以快速尋找到自想要找到的圖像，達(dá)到精準(zhǔn)分類的目的。

參考文獻(xiàn)：

[1]田東平， 李乃乾. 基于上下文相關(guān)模型的圖像語(yǔ)義標(biāo)注[J]. 小型微型計(jì)算機(jī)系統(tǒng)， 2016， 37（4）：000855-000860.

[2]郭喬進(jìn). 基于上下文的圖像區(qū)域標(biāo)注關(guān)鍵技術(shù)研究[D]. 南京大學(xué)， 2013.

[3]王小蕾. 基于上下文的社交圖像語(yǔ)義信息的精化與豐富[D]. 華北電力大學(xué)（北京）， 華北電力大學(xué)， 2012.