自动图像标注技术综述(中文版)，27页pdf

摘 要 图像自动标注技术是减少图像数据与内容之间“语义鸿沟”的其中一种最有效途径，对于帮助人类理解图像内容，从海量图像数据中检索感兴趣的信息具有重要现实意义.通过研究近20年公开发表的图像标注文献，总结了图像标注模型的一般性框架；并通过该框架结合各种具体工作，分析出在图像标注研究过程中需要解决的一般性问题；将各种图像标注模型所采用的主要方法归为9种类型，分别为相关模型、隐Markov模型、主题模型、矩阵分解模型、近邻模型、基于支持向量机的模型、图模型、典型相关分析模型以及深度学习模型，并对每种类型的图像标注模型，按照“基本原理介绍—具体模型差异—模型总结”3个层面进行了研究与分析.此外，总结了图像标注模型常用的一些数据集、评测指标，对一些比较著名的标注模型的性能进行了比较，并据此对各种类型的标注模型做了优缺点分析.最后，提出了图像标注领域一些开放式问题和研究方向.