曹瑛

摘要：本文着眼于图像底层视觉和文本标签这两种模态信息，探讨基于双模语义空间的图像标注技术。将视觉特征与文本标注表示为同一对象的两种视图方式，考虑两个特征空间之间的语义对偶关系，在双模主题构成的对称空间上构建一个非概率主题标注模型，为图像标注研究提供新思路和理论依据。

关键词：图像标注；双模；语义

中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2017）10-0098-01

随着网络多媒体数据的剧增，图片正呈爆炸式增长，人们如何从海量的图像中找到自己想要的图像是当前研究的热点。如果能将图片用若干文本进行标注，就能将图像的检索问题转换成更为成熟的文本检索问题来处理，所以实现图像语义检索的关键便是自动图像标注技术，即给未知图像添加能描述其内容的文本关键词的方法。

1 自动标注常用算法

图像自动标注方法大概可以分成两类：有监督分类的方法和关联建模的方法。其中有监督分类的方法是将各个语义类别看作独立的概念，为每个语义类别建立单独的分类器[3]。新进一幅图片，通过计算视觉特征相似度，将相应的文本关键词传播给新图片。

关联模型这类方法利用现有的已标注好的图像数据集，试图在无监督的基础上学习图像的视觉特征和文本关键词之间的关联，再将这种关联应用于未标注的新图像，通过统计推理来预测新图像的语义信息。

借助有标注的图像训练集，运用无监督学习的方法对图像视觉特征和标签关键词之间的语义关联进行建模，对于新的未标注图像，通过这种关联再进行统计推理得到标注词汇。……