CN112990268B 面向机器学习的视觉群智感知数据贡献度评价方法及系统 （大理大学）

PhotoSelectioninMobileCrowdsensing. 面向机器学习的视觉群智感知数据贡献度本发明公开面向机器学习的视觉群智感知明能够合理的对感知数据的视觉质量以及用户2基于任务模型和图像模型将任务参与者提交的图像集数据通过图像分类模型自动识基于图像分类模型识别的图像特征，对图像集数据进行评估vc_semantic的m个标签序列与图像的n个分类标签之间的wherer＝1,2,...R图像Ii经图像清晰度分类器自动识别后，输出结果为图像Ii的清晰度类别Lj及其置信度εj3i根据图像集质量总评分进行数据贡献度评价，获得待检测图像2.根据权利要求1所述的面向机器学习的视觉群智感知数据贡献度评价方法，其特征task＝<tid,time,site_set,desc,cost,pic_num束条件集合，desc为任务的说明信息，cost为任务发布方为该任务提供的最大奖励预算，pic_num为需要采集的图片或视频最小数量，vc_constrain_set是群智感知任务在视觉方3.根据权利要求2所述的面向机器学习的视觉群智感知数据贡献度评价方法，其特征4.根据权利要求1所述的面向机器学习的视觉群智感知数据贡献度评价方法，其特征pic＝<pid,tid,wid,img,ts,loc,dir,light,l45.根据权利要求1所述的面向机器学习的视觉群智感知数据贡献度评价方法，其特征在于，基于任务模型和图像模型对输入的待检测图像通过图像分类器自动识别图像特征，通过图像语义识别器对待检测图像进行多标签语义特征识别；通过图像清晰度分类器对待检测图像进行清晰度特征识别；6.根据权利要求5所述的面向机器学习的视觉群智感知数据贡献度评价方法，其特征在于，所述重复图像检测器对待检测图像的重复性特征进行自动检测中采用ORB算法提取所述图像分类器，用于对图像相关特征进行自动分类与识别的基于机器学习的分类所述数据评估器，用于对用户提交的图像数据集进行数据质量及贡献度vc_semantic的m个标签序列与图像的n个分类标签之间的wherer＝1,2,...R5图像Ii经图像清晰度分类器自动识别后，输出结果为图像Ii的清晰度类别Lj及其置信度εji根据图像集质量总评分进行数据贡献度评价，获得待检测图像8.根据权利要求7所述的面向机器学习的视觉群智感知数据贡献度评价系统，其特征所述图像语义识别器，用于识别出图片中的场景及物体的语义，输6所述重复图像检测器，用于提取图像近重复性特征，采用卷积神经7[0010]基于任务模型和图像模型将任务参与者提交的图像集数据通过图像分类模型自8[0014]task＝<tid,time,site_set,desc,cost,pic_num,为任务标识符，time为任务的执行时间限制，site_set为执行任务的地点约束条件集合，采集的图片或视频最小数量，vc_constrain_set是群智感知任务在视觉方面的约束属性，移动设备的加速度传感器及陀螺仪传感器感知的数据；light为移动设备的光线传感器感[0019]基于任务模型和图像模型对输入的待检测图像通过图像分类器自动识别图像特[0024]优选地，所述重复图像检测器对待检测图像的重复性特征进行自动检测中采用[0028]vc_semantic的m个标签序列与图像的n个分类标签之间的语义距离，结果为一个9[0036]图像Ii经图像清晰度分类器自动识别后，输出结果为图像Ii的清晰度类别Lj及其[0055]所述任务模型，用于定义视觉群智感知任务中的任务基本信息以及任务约束条[0066]图2：本发明面向机器学习的视觉群智感知数据贡献度评价方法中不同类别清晰[0068]图4：本发明面向机器学习的视觉群智感知数据贡献度评价方法中图像语义相似b是User2的数据质量评价系数对比结果，c是User3的数据质量评价系数对比结果，d是像质量评价方法不同的是，除了考虑图片的视觉质量外还加上了图像语义相似度的评价，[0081]vc_semantic的m个标签序列与图像的n个分类标签之间的语义距离，结果为一个明将图像清晰度作为评价数据质量的重要指标之一。卷积神经网络(CNN)在图像分类及图的公开图像数据集作为原始图像，经过高斯模糊处理后作为深度学习的数据集训练模型，[0097]第k张图片Ik经清晰度分类器(ShapnessClassfier)分类后的标签集Lk＝{Lk1,[0106]在图像质量评价基础上，针对机器学习图像数据集对图[0107]对用户UserK上传的图片集I＝{I1,I2,...,IN}中的每张图片采用图像语义相似价最小化的前提下还要实现图片数量的最大化，sigmoid函数能够较好的符合机器学习要成正比关系，但由于最终的质量评分使用了sigmoid函数，Q(k)值较大时质量评分增长缓接使用OpenHowNet计算两个词语的别对采用三种方法计算的相似度分值与人工评分值计算皮尔森(Pearson)相关系数，值越[0125]由5个用户各上传10张照片，计算每张照片的语义相似度分值以及用户上传的图大大降低对群智感知数据质量的判定准确性，对用户的奖励计算准确性也会带来较大影[0132]从NUS-wide-128数据集中选取了3750张图片，经过公式4的高斯模糊方法进行处[0134]从NUS-wide-128数据集中选取五组图片模拟5个用户上传的图像集，每个用户10[0142]为了对本发明提出的基于贡献度的数据质量评价系数(本发明算法Contribution的最小图片数量约束N＝10，Contribution方法的斜率参数g＝6，计算结果如图6所示。user2的评价系数在0.2至0.8之间时Contribution方法能够通过增加质量较高的图片数量[0147]通过上述4个图片集实验结果的对比分析可以看出，本发明采用的基于贡献度的要建立灵活的多任务模型。本发明的视觉群智感知系统模型由任务模型和图像模型组成，[0151]tsk＝<tid,time,si拍摄方向；light为移动设备的光线传感器感知的数据，反映了图片的环境光线强度。[0159]图像分类器为用于对图像相关特征进行自动分类与识别的各种基于机器学习的[01