基于深度学习的图像标注

• 作者: 孙娴 徐国政 朱松豪 梁志伟 金栋梁
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习 多标记 多模态 图像标注
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 计算机与自动控制
• 页码范围: 107-112
• 页数: 6页
• 分类号: TP391.41
• 字数: 4317字
• 语种: 中文
• DOI: 10.14132/j.cnki.1673-5439.2016.04.017

摘要

随着个人计算机和互联网上数字图像数量的快速增长,用户越来越多借助于“语义概念”来检索感兴趣图像.然而由于图像底层特征刻画和高层语义概念描述间存在很大的差异,使得现有图像标注算法性能不甚理想.因此,文中提出基于多模态深度学习的图像标注框架,旨在应用卷积神经网络技术优化深层神经网络的参数,提高标注精度.具体地,文中提出的多模态深度学习标注框架利用两阶段学习,优化神经网络参数:(1)利用深度神经网络,优化各单模态参数;(2)利用相关性,实现多模态的最优组合.公共数据集的实验表明,该方案可以有效地提高图像标注的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁志伟	南京邮电大学自动化学院	35	152	6.0	10.0
2	朱松豪	南京邮电大学自动化学院	37	103	5.0	9.0
3	徐国政	南京邮电大学自动化学院	35	193	7.0	12.0
4	孙娴	南京邮电大学自动化学院	2	7	2.0	2.0
5	金栋梁	南京邮电大学自动化学院	3	9	2.0	3.0