融合深度特征和语义邻域的自动图像标注

• 作者: 周铭柯 柯逍 牛玉贞
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 语义邻域 图像标注 卷积神经网络(CNN) 深度特征
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 论文与报告
• 页码范围: 193-203
• 页数: 11页
• 分类号: TP311
• 字数: 7890字
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.201703001

摘要

传统图像标注方法中人工选取特征费时费力,传统标签传播算法忽视语义近邻,导致视觉相似而语义不相似,影响标注效果.针对上述问题,文中提出融合深度特征和语义邻域的自动图像标注方法.首先构建基于深度卷积神经网络的统一、自适应深度特征提取框架,然后对训练集划分语义组并建立待标注图像的邻域图像集,最后根据视觉距离计算邻域图像各标签的贡献值并排序得到标注关键词.在基准数据集上实验表明,相比传统人工综合特征,文中提出的深度特征维数更低,效果更好.文中方法改善传统视觉近邻标注方法中的视觉相似而语义不相似的问题,有效提升准确率和准确预测的标签总数.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柯逍	福州大学数学与计算机科学学院	12	28	3.0	4.0
2	周铭柯	福州大学福建省网络计算与智能信息处理重点实验室	1	10	1.0	1.0
3	牛玉贞	福州大学数学与计算机科学学院	4	13	2.0	3.0