[发明专利]一种基于深度学习的图像场景标注方法

摘要

本发明公开了一种基于深度学习的图像场景标注方法，包括场景图像数据集，构建卷积神经网络，训练模型，图像标注；所述场景图像数据集，用于训练和测试深度学习场景识别模型；所述构建卷积神经网络，构建用于场景识别的卷积神经网络的模型；所述训练模型，通过训练卷积神经网络，得到场景识别模型；所述图像标注，将模型识别图像得到图像的场景标注词。本发明解决了图像场景标注的不足，解决了图像场景标注的准确率。

主权项

1.一种基于深度学习的图像场景识别方法，其特征在于，包括下列步骤：S1.建立场景图像数据集：建立包含丰富场景的图像样本的数据集，其中，每张图像样本都具有准确的场景标注，每个场景类别包含N张图像样本，生成训练图像集；S2.构建卷积神经网络模型：构建由特征提取模块、候选区域生成模块、全局区域得分模块、关键区域选择模块、候选区域调优模块组成的卷积神经网络模型；S3.训练模型：使用其它已训练好的模型参数对卷积神经网络模型的参数进行初始化，采用BP算法和批量梯度下降法利用训练图像集调优模型参数，反复迭代直至求得最小测试误差值的模型参数；S4.图像标注：将待标注的图像输入已训练好的模型，得到图像的场景标注词汇，把词汇写入图像的属性中。