融合深度特征和语义邻域的自动图像标注

作     者：柯逍 周铭柯 牛玉贞 KE Xiao;ZHOU Mingke;NIU Yuzhen

作者机构：福州大学数学与计算机科学学院福州350116 福州大学福建省网络计算与智能信息处理重点实验室福州350116 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2017年第30卷第3期

页      面：193-203页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金项目(No.61502105) 福建省自然科学基金项目(No.2013J05088) 福建省中青年教师教育科研项目(No.JA15075)资助~~ 

主　　题：语义邻域 图像标注 卷积神经网络(CNN) 深度特征 

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.