基于深度学习的图像自动标注方法综述

论文摘要

图像自动标注是目前计算机视觉和自然语言处理交叉研究领域的一个研究热点。对图像自动标注领域中的深度学习方法进行综述;针对图像自动标注领域的国内外研究现状,按照基于多模态空间、基于多区域、基于编码-解码、基于强化学习和基于生成式对抗网络等五个分类标准进行详细综述;介绍图像自动标注领域相关的数据集和评价标准,对比不同图像自动标注方法的优缺点;通过分析图像自动标注领域的当前研究现状,提出该领域亟待解决的3个关键问题,进一步指出未来的研究方向,并对本研究进行总结。

论文目录

• 0 引言
• 1 传统图像自动标注方法
•   1.1 基于检索的图像自动标注方法
•   1.2 基于模版的图像自动标注方法
• 2 基于深度学习的图像自动标注方法
•   2.1 基于多模态空间的方法
•   2.2 基于多区域的方法
•   2.3 基于编码-解码的方法
•     （1）基于注意力机制的方法
•     （2）基于语义概念的图像自动标注方法
•   2.4 基于强化学习的方法
•   2.5 基于生成式对抗网络的方法
• 3 数据集和评价准则
•   3.1 数据集
•   3.2 评价标准
• 4 图像自动标注方法对比
• 5 关键问题及研究方向
• 6 结论

文章来源

类型: 期刊论文

作者: 常致富,周风余,王玉刚,沈冬冬,赵阳

关键词: 图像自动标注,多模态空间,多区域,编码解码,强化学习,生成式对抗网络

来源: 山东大学学报(工学版) 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 山东大学控制科学与工程学院

基金: 国家重点研发计划项目(2017YFB1302400),国家自然科学基金(61773242),山东省重大科技创新工程项目(2017CXGC0926),山东省重点研发计划(公益类专项)项目(2017GGX30133)

分类号: TP391.41;TP18

页码: 25-35

总页数: 11

文件大小: 4409K

下载量: 1318