基于深度学习的图像自动标注算法 | |
杨阳; 张文生 | |
刊名 | 数据采集与处理 |
2015 | |
卷号 | 30期号:1页码:88-98 |
关键词 | 机器学习 深度学习 神经网络 图像自动标注 |
DOI | 10.16337/j.1004-9037.2015./01.008 |
英文摘要 | 图像的自动标注是图像检索领域一项基础而又富有挑战性的任务。当前,机器学习算法在该领域取得了一定的进展。深度学习算法自提出以来在图像和文本识别领域取得了巨大的成功,它可以作为一种解决“语义鸿沟”问题的有效方法。图像标注问题可以分解为基于图像与标签相关关系的基本图像标注和基于标注词汇共生关系的标注改善两个过程。文中将基本图像标注问题视为一个多标记学习问题,图像的标签先验知识作为深度神经网络的监督信息。在得到基本标注词汇的基础上,利用原始图像标签词汇的依赖关系与先验分布改善了图像的标注结果。最后所提出的改进的深度学习模型应用于Corel和ESP图像数据集,验证了该模型框架及所提出解决方案的有效性。 |
内容类型 | 期刊论文 |
源URL | [http://ir.ia.ac.cn/handle/173211/15507] |
专题 | 精密感知与控制研究中心_人工智能与机器学习 |
通讯作者 | 张文生 |
作者单位 | 中国科学院自动化研究所 |
推荐引用方式 GB/T 7714 | 杨阳,张文生. 基于深度学习的图像自动标注算法[J]. 数据采集与处理,2015,30(1):88-98. |
APA | 杨阳,&张文生.(2015).基于深度学习的图像自动标注算法.数据采集与处理,30(1),88-98. |
MLA | 杨阳,et al."基于深度学习的图像自动标注算法".数据采集与处理 30.1(2015):88-98. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论