马颖

摘要：以往图像自动标注多为人工选取特征，整个过程所需时间和精力较大，并且所用的标签传播算法会造成语义近邻被忽视，最终会出现视觉相似但是语义不相似的情况，影响图像标注效果。为改善传统图像标注算法应用存在的缺陷，便可以选择应用深度学习图像自动标注算法，可以完美解决语义近邻识别问题，提高图像标注综合效果，本文对其应用要点进行了简单分析。

关键词：深度学习；图像标注；机器学习

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2017）10-0122-01

基于深度学习的图像自动标注算法在实际应用中具有较大优势，可以打破传统标注算法对图像视觉特征的依赖性，可以直接通过图像各像素点完成类别标注，处理效率更高。

1 深度学习图像自动标注算法

深度学习为机器学习领域研究要点内容，其基本原理就是通过算法来促使计算机模拟人脑处理事务流程，向其提供一个与人相似具有一定辨别事务的能力。想要实现基于深度学习的图像自动标注算法，就需要对传统神经网络进行持续改进研究，形成层次更深的神经网络结构，现在所存的深度学习表现形式如自动编码器、深信度网络以及卷积神经网络等。其中，卷积神经网络作为多层网络结构，对于图像平移、旋转以及按比例缩放等形变敏感度低，利用其在进行图像标注时，能够更大程度上来抵抗外部因素的干扰。并且卷积神经网络设置灵活度高，在实……