基于Dropout深度网络的两步图像标注算法
杨阳; 张文生; 杨雪冰
2015
发表期刊计算机科学与探索
卷号9期号:12页码:1494-1505
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。
其他摘要The performance of text-based image retrieval is highly dependent on manual tagging, and the deep learning can be used to realize image keywords generated automatically. Combining the predictions of many different large neural nets is an effective way for improving the classification accuracy. Firstly, for improving the generalization performance of the deep learning model, this paper proposes the Dropout algorithm. Dropout is a technique for addressing this problem by randomly dropping units (along with their connections) from the neural network during training. So the algorithm is equivalent to train many neural networks for prediction. Next, by the reason of the diverse keywords of image, this paper proposes a two steps algorithm for image annotation. First step, the keywords are divided into three parts: base keywords, candidate keywords and irrelevant keywords depending on the output of all neural networks. Second step, the keywords are chosen in candidate set depending on their correlation with base keywords. At last, the base keywords and chosen keywords are labeled for images. Conducting extensive experiments on three popular data sets, the results demonstrate that the proposed framework can achieve favorable performance for image annotation. Key words: image auto-annotation; deep learning; assemble learning; machine learning
关键词图像自动标注 深度学习 集成学习 机器学习
DOI10.3778/j.issn.1673-9418.1505015
收录类别CSCD
CSCD记录号CSCD:5574762
引用统计
文献类型期刊论文
条目标识符http://ir.ia.ac.cn/handle/173211/15506
专题精密感知与控制研究中心_人工智能与机器学习
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,杨雪冰. 基于Dropout深度网络的两步图像标注算法[J]. 计算机科学与探索,2015,9(12):1494-1505.
APA 杨阳,张文生,&杨雪冰.(2015).基于Dropout深度网络的两步图像标注算法.计算机科学与探索,9(12),1494-1505.
MLA 杨阳,et al."基于Dropout深度网络的两步图像标注算法".计算机科学与探索 9.12(2015):1494-1505.
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
基于Dropout深度网络的两步图像标注(1781KB)期刊论文作者接受稿开放获取CC BY-NC-SA浏览 下载
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[杨阳]的文章
[张文生]的文章
[杨雪冰]的文章
百度学术
百度学术中相似的文章
[杨阳]的文章
[张文生]的文章
[杨雪冰]的文章
必应学术
必应学术中相似的文章
[杨阳]的文章
[张文生]的文章
[杨雪冰]的文章
相关权益政策
暂无数据
收藏/分享
文件名: 基于Dropout深度网络的两步图像标注算法_杨阳.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

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。