基于深度学习的图像自动标注算法【参考资料】.pdfVIP

ISSN 1004—9037，CODEN SCYCE4 http：／／sM．naaa．edu．cn JournalofDataAcquisitionandProcessingVo1．30，No．1，Jan．2015，PP．88— 98 E—mail：sjcj@nuaa．edu．cn DOI：10．16337／i．1004—9037．2015．01．008 Tel／Fax：+86—025 ◎2015byJournalofDataAcquisitionandProcessing 基于深度学习的图像 自动标注算法 杨 阳 张文生 (中国科学院 自动化研究所 ，北京，100190) 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 ；12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；r-的基础上 ，利用原始 图像标签词；12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。 关键词 ：机器学习；深度学习；神经网络 ；图像 自动标注 中图分类号 ：TP39 文献标 志码 ：A ImageAuto-AnnotationBasedonDeepLearning YangYang，ZhangW ensheng (InstituteofAutomation，ChineseAcademyofSciences，Beijing，100190，China) Abstract：Imageauto—annotationisabasicandchallengetask intheimageretrievalwork．Thetraditional machinelearningmethodshaveobtainedalotachievementsinthisfield．Thedeeplearningalgorithm has achievedgreatsuccessinimageandtextlearningworksinceitispresented，SOitcanbeanefficientm eth— odtosolvethesemanticgapproblems．Imageauto—annotationcanbedecomposedintotwosteps，thatis， thebasicimageauto—annotationbasedontherelationshipbetweenimageandtag，andtheannotationen— hancedbasedonthemutua1informationofthetags．Inthisarticle，thebasicimageauto—annotation is viewedasamulti—labelledproblem．Thereforethepriorknowledgeofthetagscanbeusedasthesuper— viseinformationofthedeepneuralnetwork．Afterobtainedtheimagetags，thedependentrelationshipof thetagsisusedtoimprovetheannotationresult．Finally，themodelistestedinCorelandESPdatasets， andresultsprovethatthemethodcanefficientlysolvetheimageauto-annotationproblems． Keywords：machinelearning；deep learning；neuralnetwork；imageauto—annotation 引 口 大数据时代，人们可 以访 问获取的信息资源呈现出爆炸式的增长，互联网上每天都诞生海量的图像 基金项 目：国家 自然科学基金重点(U1135005)资助项 目。 收稿 日期 ：2