随着互联网技术与城市信息化的发展,图像的识别、标注成为了一个重要的研究课题。图像数量的爆炸式增长给图像的组织管理、检索带来了极大的挑战,图像语义自动标注是解决上述问题的有效方法。图像语义自动标注中存在如下两个问题:1.现有数据集多为不均衡数据集,数据集中数量较少的图像在模型训练阶段得不到充分的训练,导致模型对于该类图像所包含的对象识别能力差,其所对应的标注词的标注准确率较低。2.传统的卷积神经网络模型不能够提取多尺度的图像特征,且由于图像的像素矩阵都是非负值,因此在特征提取过程中无法获得图像的负值特征。对于上述两个问题,本文做了如下工作:1.针对图像语义标注中存在的训练样本不均衡导致低频标注词标注准确率低的问题,提出了一种双通道卷积神经网络模型。该模型有两个通道,其中一个通道用于训练数据集中的低频训练样本,以此来提高低频样本在整个模型中所占的比重,另一个通道用于训练全部的训练集。在标注过程中把两个通道的输出进行融合从而对所需标注的标注词共同作出决策。在Pascal voc2012标准数据集进行实验,实验表明,DCCNN与卷积神经网络相比在低频标注词的标注准确率和效率方面都有明显地提高。2.针对传统卷积神经网络特征提取尺度单一且无法获取保留图像负值特征的问题和双通道卷积神经网络内存资源消耗大的问题,提出了一种CM-Supplement卷积神经网络模型。该网络模型融合了空洞卷积、Inception模块、Supplement网络三种结构的优点。CM-Supplement网络模型使用空洞卷积替换普通卷积,使模型能够在不增加参数量的情况下增加感受野;在模型中融入Inception模块,使模型能够在降低内存消耗的基础上提取图像的多尺度特征信息;把Supplement网络结构应用于CM-Supplement网络模型,使模型能够获取图像的负值特征信息。实验表明,CM-Supplement模型相较于传统卷积神经网络在标注准确率和效率方面都有了明显地提高,与双通道卷积神经网络相比内存消耗降低。