基于双通道卷积神经网络的多标签图像标注

作者：陈立潮; 武晨燕; 曹建芳; 潘理虎; 张英俊

来源：计算机工程与设计, 2019, (12): 3601-3607.

DOI：10.16208/j.issn1000-7024.2019.12.039

• 图像标注
• 卷积神经网络
• 样本不均衡
• 多标签
• 双通道卷积神经网络 image annotation
• convolution neural network
• unbalanced training samples
• multi-label
• double channel convolution neural network

针对图像语义标注中存在的训练样本不均衡导致低频标注词标注准确率低的问题,提出一种双通道卷积神经网络模型(double channel convolution neural network,DCCNN)。其中一个通道是为训练低频样本设立的,以此提高低频样本在整个模型中所占比重,另一个通道用于训练全部的训练集。在标注过程中把两个通道的输出进行融合,对所需标注的标注词共同做出决策。在Pascal VOC2012标准数据集上对模型进行验证,实验结果表明,DCCNN模型相对于卷积神经网络(convolution neural network,CNN)无论是对低频标注词的标注准确率还是效率都有很大的提升,...

• 单位
  太原科技大学计算机科学与技术学院; 忻州师范学院