基于深度学习的图像自动标注算法

被引:28
作者
杨阳
张文生
机构
[1] 中国科学院自动化研究所
关键词
机器学习; 深度学习; 神经网络; 图像自动标注;
D O I
10.16337/j.1004-9037.2015.01.008
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
图像的自动标注是图像检索领域一项基础而又富有挑战性的任务。深度学习算法自提出以来在图像和文本识别领域取得了巨大的成功,是一种解决"语义鸿沟"问题的有效方法。图像标注问题可以分解为基于图像与标签相关关系的基本图像标注和基于标注词汇共生关系的标注改善两个过程。文中将基本图像标注问题视为一个多标记学习问题,图像的标签先验知识作为深度神经网络的监督信息。在得到基本标注词汇的基础上,利用原始图像标签词汇的依赖关系与先验分布改善了图像的标注结果。最后将所提出的改进的深度学习模型应用于Corel和ESP图像数据集,验证了该模型框架及所提出的解决方案的有效性。
引用
收藏
页码:88 / 98
页数:11
相关论文
共 6 条
[1]   一种新型朴素贝叶斯文本分类算法 [J].
邸鹏 ;
段利国 .
数据采集与处理, 2014, 29 (01) :71-75
[2]   一种自适应的Web图像语义自动标注方法 [J].
许红涛 ;
周向东 ;
向宇 ;
施伯乐 .
软件学报, 2010, 21 (09) :2183-2195
[3]   基于图学习的自动图像标注 [J].
卢汉清 ;
刘静 .
计算机学报, 2008, (09) :1629-1639
[4]  
Multiview Hessian discriminative sparse coding for image annotation[J] . Weifeng Liu,Dacheng Tao,Jun Cheng,Yuanyan Tang.Computer Vision and Image Understanding . 2014
[5]   An efficient two-stage framework for image annotation [J].
Hu, Jiwei ;
Lam, Kin-Man .
PATTERN RECOGNITION, 2013, 46 (03) :936-947
[6]  
Image annotation via graph learning[J] . Jing Liu,Mingjing Li,Qingshan Liu,Hanqing Lu,Songde Ma.Pattern Recognition . 2008 (2)