基于Dropout深度网络的两步图像标注算法

摘要：

基于文本的图像检索技术强烈依赖于图像标签,深度学习可以用来实现图像标签的自动生成.多分类器融合是一种有效提升分类器精度的方法.为了提升深度学习模型的泛化性能,提出了Dropout算法.该方法的本质是在训练过程中随机地丢弃若干神经元,等价于同时训练多个子网络.由于图像标签的多样性,提出了两步标签融合算法:第一步,根据多个不同网络的输出将图像标签词汇分为基准词汇、备选词汇和无关词汇;第二步,选出备选词汇中与基准词汇强相关的词汇,基准词汇和被选出的词汇可作为图像的标签.最后,算法选取3个常用的数据集对提出的算法模型进行验证,实验结果表明,多分类器融合算法可以有效地解决图像自动标注问题.

关键词：图像自动标注、深度学习、集成学习、机器学习

所属期刊栏目：9

分类号：TP39(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. U1135005

在线出版日期：2015-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1494-1505