基于深度学习中间层卷积特征的图像标注

• 作者: 于宁 姚金鑫 孙东洋 宋海玉 王鹏杰
• 来源期刊: 图学学报
• 学科: 工学
• 关键词: 深度学习 图像标注 卷积 正例均值向量 特征向量
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 专论:第16届媒体智能与大数据计算会议(CIDE&DEA 2019大连)
• 页码范围: 872-877
• 页数: 6页
• 分类号: TP391
• 字数: 5884字
• 语种: 中文
• DOI: 10.11996/JG.j.2095-302X.2019050872

摘要

针对基于深度特征的图像标注模型训练复杂、时空开销大的不足,提出一种由深度学习中间层特征表示图像视觉特征、由正例样本均值向量表示语义概念的图像标注方法.首先,通过预训练深度学习模型的中间层直接输出卷积结果作为低层视觉特征,并采用稀疏编码方式表示图像;然后,采用正例均值向量法为每个文本词汇构造视觉特征向量,从而构造出文本词汇的视觉特征向量库;最后,计算测试图像与所有文本词汇的视觉特征向量相似度,并取相似度最大的若干词汇作为标注词.多个数据集上的实验证明了所提出方法的有效性,就F1值而言,该方法在IAPR TC-12数据集上的标注性能比采用端到端深度特征的2PKNN和JEC分别提高32％和60％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋海玉	大连民族大学计算机科学与工程学院	42	210	7.0	12.0
2	王鹏杰	大连民族大学计算机科学与工程学院	23	80	5.0	8.0
3	于宁	大连民族大学计算机科学与工程学院	1	0	0.0	0.0
4	孙东洋		1	0	0.0	0.0
5	姚金鑫	大连民族大学计算机科学与工程学院	1	0	0.0	0.0