%A 陆伟, 罗梦奇, 丁恒, 李信 %T 深度学习图像标注与用户标注比较研究* %0 Journal Article %D 2018 %J 数据分析与知识发现 %R 10.11925/infotech.2096-3467.2018.0052 %P 1-10 %V 2 %N 5 %U {https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/abstract/article_4502.shtml} %8 2018-05-25 %X

【目的】 利用用户对图像标注的标签提出用户标签框架, 并通过用户标签框架总结深度学习自动标注图像的不足。【方法】 统计分析从Flickr上下载的大约100万张图像数据集中的用户标签, 抽取高频词进行用户标签框架匹配。将用户标签与ImageNet数据库标签进行对比总结。对含有高频词的图像使用MXNet深度学习算法进行标注, 分析标注结果。【结果】 当前深度学习自动标注, 在图像背景知识、总体描述以及人类感官描述等方面还存在缺陷。【局限】数据集的范围需要扩大, 深度学习算法的种类需要增加。【结论】 自动标注图像的发展, 需要建立图像信息与背景知识、描述等的联系; 并且深度学习未来发展还需要赋予计算机逻辑推理以及情境感知的能力。