曹丹陽(yáng) 朱孟貴 高磊

摘要：本研究提出一種使用圖像中目標(biāo)特征代替圖像全局特征的圖像標(biāo)注方法，經(jīng)實(shí)驗(yàn)驗(yàn)證，本方法能夠有效提升圖像標(biāo)注模型效果。

關(guān)鍵詞：深度學(xué)習(xí);圖像標(biāo)注;神經(jīng)網(wǎng)絡(luò);目標(biāo)檢測(cè)

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2019）04-0232-02

0 引言

圖像標(biāo)注任務(wù)目前已經(jīng)成為深度學(xué)習(xí)中一個(gè)重要的分支，是結(jié)合計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理的綜合性任務(wù) 。圖像標(biāo)注在圖像檢索、盲人導(dǎo)航等方面發(fā)揮了很大的作用。

1 國(guó)內(nèi)外研究現(xiàn)狀

Vinyals等人提出端到端的圖像標(biāo)注框架，使用卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征，然后經(jīng)過(guò)循環(huán)神經(jīng)網(wǎng)絡(luò)生成目標(biāo)語(yǔ)言[1]。Xu等人將注意力機(jī)制引入圖像標(biāo)注算法，提高了算法表現(xiàn)[2]。本研究使用圖像目標(biāo)區(qū)域特征替代圖像全局特征，經(jīng)驗(yàn)證，本研究提出的方法是有效的。

2 方法

基于以上結(jié)論，本文改用目標(biāo)區(qū)域及圖像突出區(qū)域特征表示圖像。圖1是方法框架圖。

本文使用Faster RCNN提取圖像區(qū)域特征[3]。Faster R-CNN的損失函數(shù)如下：

3 實(shí)驗(yàn)

本實(shí)驗(yàn)中，使用了MSCOCO數(shù)據(jù)集。本研究使用BLEU、METEOR指標(biāo)，CIDEr指標(biāo)作為本工作的評(píng)價(jià)指標(biāo)。表1是本研究與其他圖像標(biāo)注模型對(duì)比的結(jié)果表。

圖2中，測(cè)試了6張圖片，使用本文的模型對(duì)圖片進(jìn)行標(biāo)注生成。從圖中可以看出，模型可以正確生成標(biāo)注，說(shuō)明本研究效果極好。

4 結(jié)語(yǔ)

本文提出了將目標(biāo)檢測(cè)算法應(yīng)用到圖像標(biāo)注任務(wù)中，該方法與其他圖像標(biāo)注算法對(duì)比，在評(píng)價(jià)指標(biāo)上得出更高的分?jǐn)?shù)，表現(xiàn)更好。

參考文獻(xiàn)

[1] Vinyals O，Toshev A， Bengio S，et al[J].Show and Tell： A Neural Image Caption Generator，2014：3156-3164.

[2] Xu K， Ba J， Kiros R， et al.Show， Attend and Tell： Neural Image Caption Generation with Visual Attention [J].Computer Science，2015：2048-2057.

[3] Ren S， He K，Girshick R，et al. Faster R-CNN： towards real-time object detection with region proposal networks[C].International Conference on Neural Information Processing Systems. MIT Press，2015：91-99.