融合卷积神经网络与主题模型的图像标注
为降低图像文本数据的稀疏性和传统图像特征的局限性,提出一种融合卷积神经网络(CNN)和主题模型的图像标注算法.利用狄利克雷主题模型对图像训练集的文本数据进行建模,生成文本主题分布和文本主题标注词分布,以降低图像文本数据的维度和稀疏性.考虑到图像文本主题的稀疏分布,利用CNN提取图像的高层视觉特征,同时改进损失函数以重构CNN.利用图像的高层视觉特征和对应的多个文本主题构建多分类器,进行图像文本主题多标签分类学习,并获得图像的文本主题分布.最后,将该文本主题分布和主题模型生成的文本主题标注词分布融合计算出图像的标注词概率.由Corel5K和IAPR TC-12图像标注数据集的对比实验可知,本文方法有效提高了图像的标注性能.
图像处理、卷积神经网络、主题模型、图像标注、损失函数、多标签分类学习
56
TP391(计算技术、计算机技术)
2019-12-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
254-260