基于半监督学习模型的自动图片标注研究

基于关键字的自动图片标注方法，可以更为有效地实现海量图片的管理和检索。然而由于“语义鸿沟”问题，传统的自动图片标注效果往往并不理想。因此，对不精确的标注结果进行优化就显得尤为重要。文中提出一种新颖的图片标注方法。首先，利用基于相关性模型的递进算法得到图片的初始标注结果。然后，利用一种半监督的学习模型，也即随机游动与重新启动算法对得到的初始标注结果进行优化，并选择一定数量的顶端标注作为图片最终的标注。通过在通用corel图片数据库的实验表明，文中提出的方案可以有效地提高图片自动标注的性能。