基于卷积神经网络和概念格的图像语义完备标注

作者：李雯莉; 张素兰^*; 张继福; 胡立华

来源：小型微型计算机系统, 2020, 41(09): 1979-1986.

• 图像完备标注
• 卷积神经网络(CNN)
• 概念格
• 语义扩展

如何有效地提取图像底层特征、分析高层语义的潜在语义关系,已成为图像标签完备标注亟待解决的问题之一.为有效完善图像语义标签,本文采用卷积神经元网络(CNN)和概念格,提出一种图像语义完备自动标注方法.首先构建自适应CNN网络,分割待标注图像并提取其特征,以此来获得近邻图像集与其一系列相对应的标签集合;然后利用概念格进行标签本身潜在的语义分析,有效地改善了标注效果,并保证了语义标注的完备性;最后利用投票的方式,得到最优语义标签.采用基准数据集Corel5k进行实验,验证了该方法能有效地丰富图像标签语义,提高标签召回率,并提高了图像语义检索效率.

• 单位
  太原科技大学