基于深度学习的图像自动标注方法综述

常致富(),周风余*(),王玉刚,沈冬冬,赵阳

山东大学控制科学与工程学院, 山东 济南 250061

收稿日期:2019-05-22出版日期:2019-12-20发布日期:2019-12-17
通讯作者:周风余E-mail:zfchang2018@gmail.com;zhoufengyu@sdu.edu.cn
作者简介:常致富(1994—)，男，山东济宁人，硕士研究生，主要研究方向为深度学习，图像理解. E-mail:zfchang2018@gmail.com
基金资助:国家重点研发计划项目(2017YFB1302400);国家自然科学基金(61773242);山东省重大科技创新工程项目(2017CXGC0926);山东省重点研发计划(公益类专项)项目(2017GGX30133)

A survey of image captioning methods based on deep learning

Zhifu CHANG(),Fengyu ZHOU*(),Yugang WANG,Dongdong SHEN,Yang ZHAO

School of Control Science and Engineering, Shandong University, Jinan 250061, Shandong, China

Received:2019-05-22Online:2019-12-20Published:2019-12-17
Contact:Fengyu ZHOU E-mail:zfchang2018@gmail.com;zhoufengyu@sdu.edu.cn

Supported by:国家重点研发计划项目(2017YFB1302400);国家自然科学基金(61773242);山东省重大科技创新工程项目(2017CXGC0926);山东省重点研发计划(公益类专项)项目(2017GGX30133)

摘要/Abstract

摘要： 图像自动标注是目前计算机视觉和自然语言处理交叉研究领域的一个研究热点。对图像自动标注领域中的深度学习方法进行综述;针对图像自动标注领域的国内外研究现状,按照基于多模态空间、基于多区域、基于编码-解码、基于强化学习和基于生成式对抗网络等五个分类标准进行详细综述;介绍图像自动标注领域相关的数据集和评价标准,对比不同图像自动标注方法的优缺点;通过分析图像自动标注领域的当前研究现状,提出该领域亟待解决的3个关键问题,进一步指出未来的研究方向,并对本研究进行总结。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1874