图像自动标注方法研究综述.docVIP

图像自动标注方法研究综述 　　〔摘 要〕随着Web20的逐步发展，海量用户生成的图像信息充斥于各大网络平台，图像自动标注技术逐步成为图像检索以及图像理解的关键问题之一。该文主要通过对现有图像自动标注方法的文献进行收集和整理，在比较、分析各种方法相关理论和实现技术的基础上，对图像自动标注方法研究进展进行评述；并归纳了各种方法的优势与不足。得出结论：图像自动标注方法和图像处理技术仍然需要从机器学习方面进一步的研究与改进，且可以从图像信息的标注拓展到视频信息的标注。 　　〔关键词〕图像信息；图像自动标注；图像检索；多示例；多分类；半监督模型 　　DOI：10.3969/j.issn.1008-0821.2016.03.024 　　〔中图分类号〕G25436 〔文献标识码〕A 〔文章编号〕1008-0821（2016）03-0144-07 　　〔Abstract〕With the progressive development of Web20，massive user-generated image informa-tion filled in every network platform，automatic image annotation technology gradually become one of key issues of the image retrieval and image understanding.In this paper，through collecting and organizing documents of the existing automatic image annotation method to understand the theory and analysis of the various methods，On this basis，the status of Automatic Tagging images are reviewed，and comparative analysis of the advantages of each method and insufficient.The conclusion is：automatic image annotation method and image processing technology still needs further research and improvement from the active learning，and can expand the image information from the label to label video information. 　　〔Key words〕image information；automatic image annotation；inage retrieval；multi-category；semi-supervised model 　　近年来，随着信息技术的高速发展以及摄像机、手机等图像采集设备的普及，图像信息充斥在世界的每一个角落，用其清晰、简单的方式描述着日常生活的方方面面。比如，用图像描述情感（朋友圈的图像信息），家庭影集的管理，医学图像检索，人脸识别及网络购物、旅游评论等。据微信平台统计，仅微信朋友圈每日的图像信息都超过一个亿。图像信息给日常生活带来方便的同时，也提出了巨大的挑战――在浩瀚的图像海洋中，怎样检索到用户需要的信息；怎样理解大量用户生成的图像内容的情感信息等问题吸引了很多研究者的思考。为了解决这些问题，图像自动标注技术应运而生，并逐步发展成为图像检索以及图像理解的关键问题之一。 　　图像自动标注是指针对图像的视觉内容，通过机器学习的方法自动给图像添加反应其内容的文本特征信息的过程。其基本思想是：利用已标注图像集或其他可获得的信息，自动学习语义概念空间与视觉特征空间的潜在关联或者映射关系，给未知图像添加文本关键词。经过图像自动标注技术的处理，图像信息问题可以转化为技术已经相对较成熟的文本信息处理问题。 　　图像自动标注技术的运用使得用户可以更加容易地获得海量网络图像，有效地组织、查询和浏览大规模图像。这样，网络上数以万计的图像信息就可以被很好的利用和分析。 　　随着Twitter，Facebook，微博等社交平台上的图片信息呈指数增长，图像自动标注技术逐渐成为图像分析、应用领域的关键技术之一，受到越来越多的国内外研究人员的关注。为了更好的了解图像自动标注方法的研究现状，本文对现有图像自动标注方法的文献进行收集和整理，在了解相关理论和分析的基础上，对图像自动标注问题研究现状进行评述；在此基础上对各种图像标注的方法进行