随着移动互联网时代的到来与人工智能技术的发展,如何快速有效地检索互联网上的海量数字图像资源,是一个十分重要且具有现实意义的研究课题。图像自动标注目的是学习并建立图像视觉特征与文本标签之间的映射关系,让计算机自动地为图像标注反映其语义内容的关键词,已广泛应用于图像检索、场景理解等领域,已成为计算机视觉领域的研究热点。本文在深度卷积神经网络的基础上,重点研究了迁移学习技术在计算机视觉领域的应用,并对图像自动标注进行了研究与探讨,对深度卷积特征的提取与迁移、多标签标注、标注模型融合三个方面的内容给予了重点关注。本文主要工作和创新点概括如下:(1)为解决图像标注数据集样本数量不足引起的网络过拟合问题,提出了基于迁移学习的卷积神经网络模型,利用由互联网上大型公共图像数据集预训练得到的深度网络模型,获得图像的通用视觉特征,然后引入基于多标签的Sigmoid交叉熵损失函数使得网络模型能够胜任多标签的标注任务,在目标数据集上,通过网络参数微调方式获得更高级和更抽象的特征,从而建立视觉特征与文本标签的映射。(2)针对图像标注数据集标签分布不平衡问题,提出了基于标签平滑策略的多标签平滑单元。基于迁移学习模型,多标签平滑单元可以在深度卷积神经网络训练过程中自动平滑数据集中的高频标签,使网络适当地提高了低频标签的输出值。在Corel5K和IAPRTC12数据集上验证了多标签平滑单元的有效性,改善了低频标注词的标注性能。(3)为进一步提升标注性能,充分发挥并有效结合图像自动标注领域中不同标注模型各自的标注优势,提出了一种基于模型融合和多标签选择算法的图像标注模型。该模型以迁移学习为基础,使用预训练好的深度卷积神经网络来提取特征并分别输入判别标注模型与近邻标注模型,然后引入多标签选择算法,从两个标注模型生成的候选集中选择出最后的标签作为模型融合之后的标注结果。实验结果表明提出的模型能够有效集成不同标注模型的标注优势,尤其对模型的平均召回率具有显著的提升。