基于Dropout深度网络的两步图像标注算法

• 作者: 张文生 杨阳 杨雪冰
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 图像自动标注 深度学习 集成学习 机器学习
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1494-1505
• 页数: 12页
• 分类号: TP39
• 字数: 8448字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1505015

摘要

基于文本的图像检索技术强烈依赖于图像标签,深度学习可以用来实现图像标签的自动生成.多分类器融合是一种有效提升分类器精度的方法.为了提升深度学习模型的泛化性能,提出了Dropout算法.该方法的本质是在训练过程中随机地丢弃若干神经元,等价于同时训练多个子网络.由于图像标签的多样性,提出了两步标签融合算法:第一步,根据多个不同网络的输出将图像标签词汇分为基准词汇、备选词汇和无关词汇;第二步,选出备选词汇中与基准词汇强相关的词汇,基准词汇和被选出的词汇可作为图像的标签.最后,算法选取3个常用的数据集对提出的算法模型进行验证,实验结果表明,多分类器融合算法可以有效地解决图像自动标注问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨阳	中国科学院自动化研究所	148	1314	17.0	29.0
2	张文生	中国科学院自动化研究所	98	1246	18.0	33.0
3	杨雪冰	中国科学院自动化研究所	4	20	2.0	4.0