《表4 通用数据集上所有图像标注方法的标注结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合卷积神经网络与主题模型的图像标注》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过表4可以看出，在Corel5K和IAPR TC-12图像集上，本文图像标注模型较传统图像语义标注方法均有较大提升。在Corel5K图像数据集中，本文标注方法的平均查全率较MBRM提高了24%，较JEC提高了17%；对比改进的传统方法，本文图像标注方法的平均查准率低于2PKNN，但平均查全率却提升了9%，并且对应F1值亦有所提高，这表明本文图像标注模型的有效性；与CNN-R相比，图像标注的平均查全率提升了8%，且平均查准率提升了6%。在IAPR TC-1 2图像数据集中，本文图像标注方法与改进的传统标注方法及其他的基于CNN的图像标注方法进行比较，在平均查全率上有较好的表现，其平均查准率与部分图像标注方法如CNN-R等存在一些差距，但综合两者考虑即综合指标F1依旧有提升。