摘要
摘要：图像标注处理是一种连接图像和文本的处理方法。人眼可以看到图像上的信息，但对于计算机来说，图像只是像素值，而文本标签是字符串。两者之间的信息是不对称的，这意味着存在“语义鸿沟”。本文将使用卷积神经网络算法作为主要模型来解决这一“语义鸿沟”。然而，传统的卷积神经网络可能泛化能力较差，忽略了小对象特征。因此，该项目将添加去噪自动编解码模型（DAE），并引入空间金字塔池（SPP）来改进算法模型，抑制图像信息中一些不重要的数据特征。为了提高模型的泛化能力和鲁棒性，同时考虑全局和局部信息，Skip gram模型用于计算标签之间的相关性，过滤掉不合理的注释词，使预测的注释词更接近图像信息。
出版日期
2023年07月06日（中国期刊网平台首次上网日期，不代表论文的发表时间）
