经典自动标注模型的实现与比较研究.doc

摘要:图像数据已经成为当今互联网上传播的主流数据。由于图像数据具有无结构、语义层次低的特点，因此使得计算机对图像数据的检索、管理变得十分困难。为了解决这一难题，相关学者从不同角度提出了许多可行的方法，但是都不能从根本上解决这一难题。解决这一难题的根本在于对图像进行有效的标注，因此图像标注成为了当今图像研究领域的热门。学者们就图像标注提出了许多经典的图像标注模型，这些模型也取得了较好的效果，但是这些模型距离应用还有很长的一段路要走。本文旨在学习与研究经典的图像标注模型，并实现。在此基础上进一步分析模型的优缺点，并对模型做了一些改进工作，以期取得较好的成果。此外，本文还对当前的研究热点“深度学习”进行了学习，并尝试将深度学习方法用于标注。

关键词：图像数据；标注；深度学习

目录

摘要

Abstract

1 引言-1

1.1 项目背景及意义-1

1.2 国内外研究现状和发展趋势-2

1.3 主要研究内容-2

2 图像处理基础知识-3

2.1 特征提取-3

2.1.1 颜色-3

2.1.2 纹理-3

2.2 相似度比较-3

2.3 图像标注的评价-4

2.3.1 以词为单位的评价-4

2.3.2 以图为单位的评价-4

3 主流标注模型研究-6

3.1 实验数据集-6

3.2 基于概率的模型-6

3.2.1 原始CMRM模型-6

3.2.2 二值化改进的CMRM模型-7

3.2.3 基于特征提取改进的CMRM模型-8

3.2.4 实验结果与分析-8

4 深度学习-10

4.1 深度学习基础-10

4.2 卷积神经网络-11

4.3 实验数据集-12

4.3 基于卷积神经网络的图像分类-12

4.4 实验结果与分析-14

结    论-15

参 考 文 献-16

致    谢-17