基于深度神经网络的图像语句转换方法发展综述

• 作者: 李子沁 毛典辉 王帆 薛子育
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 深度模型 图像语义分析 卷积神经网络 递归神经网络 支持向量机
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 第十届全国几何设计与计算学术会议
• 页码范围: 23-28
• 页数: 6页
• 分类号: TP393
• 字数: 5070字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.03.004

摘要

在当前大数据时代,图像由于具有丰富的语义而成为大众获取相关信息的重要来源.基于深度模型的图像语义分析是一种通过深度模型将图像内容转换成可直观理解的语义知识的技术,受到了国内外研究者的广泛关注.该技术根据生成目标语义层次的差异,可分为单类别、多标签和语句3类.首先介绍了以上3类方法对应的深度模型的结构特点,并从技术的演化趋势角度对比分析了3类方法的技术特点和发展现状;然后重点对图像语句转换方法的发展现状、应用场景与性能要求的差异进行了论述,同时对图像语句转换方法的步骤进行分解和论述,从学术界和产业界两方面进行了详细的对比分析,指出了二者的不同研究侧重点与对应的发展现状;最后对具有深度模型的图像语句转换方法进行了总结和展望,指明了该方法当前存在的问题与发展趋势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛典辉	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	17	218	6.0	14.0
2	薛子育	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	5	3	1.0	1.0
3	李子沁	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	2	0	0.0	0.0
4	王帆	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	1	0	0.0	0.0