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)量增長迅猛，如何對這些海量的圖像進(jìn)行有效的管理并從中挖掘出對用戶有用的信息成為亟需解決的問題。圖像的多標(biāo)簽語義標(biāo)注用自然語言來描述圖像，將對圖像的檢索轉(zhuǎn)換為人類易于理解的文本檢索，是解決以上問題的有效辦法。因此，圖像的多標(biāo)簽語義標(biāo)注越來越受到重視。
　　當(dāng)前多標(biāo)簽圖像標(biāo)注主要遇到兩個問題。一個來源于算法層面:基于傳統(tǒng)機器學(xué)習(xí)的算法特征提取十分復(fù)雜，需要有經(jīng)驗的人進(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)模型往往由于計算量巨大導(dǎo)致CPU模式下標(biāo)注速度過慢而實用性較差;一個來源于數(shù)據(jù)層面:真實環(huán)境中訓(xùn)練數(shù)據(jù)集廣泛存在語義標(biāo)簽集不完整問題，而且低頻語義標(biāo)簽和高頻語義標(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)簽不完整和語義分布失衡會嚴(yán)重的影響模型的學(xué)習(xí)效果。
　　針對上述問題，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)針對深度卷積神經(jīng)網(wǎng)絡(luò)VGG-16速度過慢的問題，構(gòu)建了一種新的深度卷積神經(jīng)網(wǎng)絡(luò):通過修改模型卷積核的步長等方法，減小每層的輸出維度，構(gòu)建出一個參數(shù)計算量約為網(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用性。
　　(2)針對弱標(biāo)注數(shù)據(jù)集環(huán)境的訓(xùn)練數(shù)據(jù)集，設(shè)計了針對弱標(biāo)注數(shù)據(jù)集的數(shù)據(jù)迭代優(yōu)化算法框架:通過補充低頻語義標(biāo)簽的單標(biāo)簽圖像數(shù)據(jù)的方法來提升深度卷積神經(jīng)網(wǎng)絡(luò)對低頻語義標(biāo)簽的識別精度;通過得到的最終模型對原始訓(xùn)練集進(jìn)行預(yù)測標(biāo)注，并與原始標(biāo)簽集進(jìn)行合并，其中預(yù)測標(biāo)注步驟本文使用特征融合和KNN分類器替代softm