自動圖像標注總述：

是圖像語義理解的熱點，是 無標注圖像內容的語義關鍵詞
屬于圖像檢索領域，是圖像 語義檢索（相當成熟 ）關鍵
涉及計算機視覺，機器學習，信息檢索
總實現思路：用（已標注圖像集）或 關聯，映射關系（可獲信息 自動學習語義空間 與 視覺特征空間）。預測未知圖像標注。

現實現方法：

基于分類的標注，概率關聯標注，圖學習的標注

相關的領域：

基于內容的 圖像檢索，瓶頸，巨大挑戰（語義鴻溝：低層視覺特征，顏色 紋理形狀 ，不能完全匹配 用戶查詢信息）
基于語義的 圖像檢索，仍舊是 難題

應用：

網絡搜索引擎：用戶喜好關鍵詞查詢，互聯網搜索引擎基于 文本的圖像檢索，人工標注費時費力
個人桌面照片管理，互聯網廣告自動投放

---

題目：自動圖像標注技術 研究進展

搜索源：知網
關鍵詞：自動圖像標注; 多示例學習; 多標記學習; 圖學習; 概率建模;

摘要

自動圖像標注（AIA）：是圖像語義理解的熱點，是無標注圖像內容的語義關鍵詞
思想：用（已標注圖像集）或 關聯，映射關系（可獲信息 自動學習語義空間 與 視覺特征空間）。預測未知圖像標注。
現實現的方法：基于分類的標注，概率關聯標注，圖學習的標注
基于全局特征，基于區域劃分

0 ? ? 引言

基于內容的 圖像檢索，瓶頸，巨大挑戰（語義鴻溝：低層視覺特征，顏色 紋理形狀 ，不能完全匹配 用戶查詢信息）
基于語義的 圖像檢索，仍舊是 難題
為什么 出現了 AIA：用戶喜好關鍵詞查詢，互聯網搜索引擎基于 文本的圖像檢索，人工標注費時費力
AIA：解決 語義鴻溝（高層語義，底層特征 間 聯系）
現有算法：在圖像級別實現關鍵詞標注， 未建立一一對應關系（圖像和關鍵詞 之間），
標準方法：標注，區域命名
不同角度分析標注：
圖像特征表示機制：圖像全局視覺信息 ，基于區域劃分

圖像全局視覺信息：面向圖像場景 語義，圖像特征，文本標注詞完全分離，純視覺比較圖像相似性，有監督
已經標注 圖像（圖像特征，標注詞間關系），標注（比較視覺特征，傳播標注詞）

圖像劃分若干同 質區域，圖像子塊。基于區域劃分（主流），圖像語義標注。圖像分割算法，有效劃分語義對象單元。

本文 ：

基于全局特征，基于區域劃分（根據特征提取，表示機制 的不同）
其中，基于區域劃分：分類的標注算法 ，概率關聯模型的標注方法，基于圖學習的標注方法（學習算法 不同 ）

1 ? ? 基于全局特征的自動圖像標注方法

早期：相當于圖像場景的自動分類

ova：面向 圖像 場景語義（圖像空間屬性，產生現實場景有意義描述，驗證 全局統計特征， 分析場景的對象存在與否），免去（圖像分割）
面向顯著興趣點：顯著區域的 局部描述 子向量空間，通過相似圖像傳播語義實現自動標注
Yav sk：單純用（圖像全局特征）語義標注，建模框架（魯棒的非參數密度估計法），核平滑技術–>用全局的 顏色信息可以標注性能。分割方法硬劃分

優點：

免除過程（圖像區域分割，區域聚類，三維注釋，面向對象分析）
適用：簡單圖形，背景單一（紋理圖形，自然場景，建筑物圖像）
特點：只提供粗粒度語義描述，無前景物體和背景差異（人注重有語義信息的特定目標，非背景）

缺點：

因為粗粒度，不能反映豐富的細節語義內容，標注性能不理想

希望改進：

將圖像前景目標區域，從背景中分割，想要對象級語義描述，減少背景變化的影響，更接近語義檢索目標
提取區域級的低層視覺特征，比全局特征更貼近實際理解，出現了基于區域劃分的圖像標準

2 ? ? 基于區域劃分的自動圖像標注方法

基于區域劃分：分割圖像成若干區域（圖像分割算法） --> 提取每個區域的低層視覺特征 --> 建立關聯（圖像區域和 標注詞間，區域分塊的標注算法不同：基于分類圖像標注，概率關聯模型的圖像標注，基于圖學習 ）

2.1 ? 基于分類的自動圖像標注算法

標注問題看成圖像語義分類問題（每個語義關鍵詞–看成–類別標記，圖像標注問題 --轉化–圖像分類問題 ）：從圖像分類角度解決標注問題。
傳統圖像分類：每幅圖像 只屬于某個語義類別
自動圖像標注：

關鍵詞角度 ：每幅圖像可同時屬于多個語義類別（標注有多個關鍵詞），標注問題是多標記學習問題
圖像角度：整幅圖看成多個 示例（區域）組成 的包，示例（沒有概念標記），包（有概念標記），正包（包中正例>=1），反包（包中正例=0），給定的訓練集上關鍵詞只標注在整幅圖像，未知對應關系（關鍵詞和圖像區域之間）

目前：分類標注（從示例學習的角度，或多標記學習 角度）標注 問題
相同點：利用（已知的標注數據）建立模型，描繪 關聯或映射 關系（文本詞匯 圖像特征間）

2.2 ? 基于概率關聯模型的自動圖像標注算法

2.3 ? 基于圖學習的自動圖像標注算法

3 ? ? 總結

總結

以上是生活随笔為你收集整理的论文梳理（图像标注）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。