弱標(biāo)注環(huán)境下基于多標(biāo)簽深度學(xué)習(xí)的加速圖像標(biāo)注.pdf

1、隨著數(shù)字信息技術(shù)不斷融人人們生活，各種圖像的數(shù)量增長(zhǎng)迅猛，如何對(duì)這些海量的圖像進(jìn)行有效的管理并從中挖掘出對(duì)用戶(hù)有用的信息成為亟需解決的問(wèn)題。圖像的多標(biāo)簽語(yǔ)義標(biāo)注用自然語(yǔ)言來(lái)描述圖像，將對(duì)圖像的檢索轉(zhuǎn)換為人類(lèi)易于理解的文本檢索，是解決以上問(wèn)題的有效辦法。因此，圖像的多標(biāo)簽語(yǔ)義標(biāo)注越來(lái)越受到重視。
　　當(dāng)前多標(biāo)簽圖像標(biāo)注主要遇到兩個(gè)問(wèn)題。一個(gè)來(lái)源于算法層面:基于傳統(tǒng)機(jī)器學(xué)習(xí)的算法特征提取十分復(fù)雜，需要有經(jīng)驗(yàn)的人進(jìn)行精心的特征選取;而基

2、于多標(biāo)簽深度學(xué)習(xí)的圖像標(biāo)注雖然效果好且不需要人工進(jìn)行特征提取和挑選，但是當(dāng)前的深度學(xué)習(xí)模型往往由于計(jì)算量巨大導(dǎo)致CPU模式下標(biāo)注速度過(guò)慢而實(shí)用性較差;一個(gè)來(lái)源于數(shù)據(jù)層面:真實(shí)環(huán)境中訓(xùn)練數(shù)據(jù)集廣泛存在語(yǔ)義標(biāo)簽集不完整問(wèn)題，而且低頻語(yǔ)義標(biāo)簽和高頻語(yǔ)義標(biāo)簽的圖像數(shù)據(jù)分布十分不均衡，這種數(shù)據(jù)集稱(chēng)為弱標(biāo)注數(shù)據(jù)集，這種數(shù)據(jù)集的標(biāo)簽不完整和語(yǔ)義分布失衡會(huì)嚴(yán)重的影響模型的學(xué)習(xí)效果。
　　針對(duì)上述問(wèn)題，本文提出了弱標(biāo)注環(huán)境下基于多標(biāo)簽深度學(xué)習(xí)的圖像

3、加速標(biāo)注方法。論文的主要工作如下:
　　(1)針對(duì)深度卷積神經(jīng)網(wǎng)絡(luò)VGG-16速度過(guò)慢的問(wèn)題，構(gòu)建了一種新的深度卷積神經(jīng)網(wǎng)絡(luò):通過(guò)修改模型卷積核的步長(zhǎng)等方法，減小每層的輸出維度，構(gòu)建出一個(gè)參數(shù)計(jì)算量約為網(wǎng)絡(luò)VGG-16近1/7的深度卷積神經(jīng)網(wǎng)絡(luò)New Net;然后再對(duì)本文提出的網(wǎng)絡(luò)的相應(yīng)卷積層進(jìn)行奇異值分解(SVD)，并構(gòu)建出參數(shù)計(jì)算量約為網(wǎng)絡(luò)VGG-16近1/10的分解網(wǎng)絡(luò)New_SVD_Net。本文提出的分解網(wǎng)絡(luò)在測(cè)試集上的平

4、均準(zhǔn)確率相比于網(wǎng)絡(luò)VGG-16降低2.5％，但是在CPU模式下處理單張圖片的速度卻加快了近6倍，大大提升了深度模型的實(shí)用性。
　　(2)針對(duì)弱標(biāo)注數(shù)據(jù)集環(huán)境的訓(xùn)練數(shù)據(jù)集，設(shè)計(jì)了針對(duì)弱標(biāo)注數(shù)據(jù)集的數(shù)據(jù)迭代優(yōu)化算法框架:通過(guò)補(bǔ)充低頻語(yǔ)義標(biāo)簽的單標(biāo)簽圖像數(shù)據(jù)的方法來(lái)提升深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)低頻語(yǔ)義標(biāo)簽的識(shí)別精度;通過(guò)得到的最終模型對(duì)原始訓(xùn)練集進(jìn)行預(yù)測(cè)標(biāo)注，并與原始標(biāo)簽集進(jìn)行合并，其中預(yù)測(cè)標(biāo)注步驟本文使用特征融合和KNN分類(lèi)器替代softm