La anotación automática de imágenes (también conocida como etiquetado automático de imágenes o indexación lingüística ) es el proceso mediante el cual un sistema informático asigna automáticamente metadatos en forma de subtítulos o palabras clave a una imagen digital . Esta aplicación de técnicas de visión artificial se utiliza en sistemas de recuperación de imágenes para organizar y localizar imágenes de interés en una base de datos .
Este método puede considerarse como un tipo de clasificación de imágenes multiclase con un gran número de clases, tan grande como el tamaño del vocabulario. Por lo general, las técnicas de aprendizaje automático utilizan el análisis de imágenes en forma de vectores de características extraídos y las palabras de anotación de entrenamiento para intentar aplicar anotaciones automáticamente a nuevas imágenes. Los primeros métodos aprendieron las correlaciones entre las características de la imagen y las anotaciones de entrenamiento, luego se desarrollaron técnicas utilizando la traducción automática para tratar de traducir el vocabulario textual con el 'vocabulario visual', o regiones agrupadas conocidas como blobs .. El trabajo posterior a estos esfuerzos ha incluido enfoques de clasificación, modelos de relevancia, etc.
Las ventajas de la anotación automática de imágenes frente a la recuperación de imágenes basada en contenido (CBIR) son que el usuario puede especificar las consultas de forma más natural. [1] CBIR generalmente (actualmente) requiere que los usuarios busquen por conceptos de imagen como color y textura , o busquen consultas de ejemplo. Ciertas características de la imagen en las imágenes de ejemplo pueden anular el concepto en el que el usuario realmente se está enfocando. Los métodos tradicionales de recuperación de imágenes, como los utilizados por las bibliotecas, se han basado en imágenes anotadas manualmente, lo cual es costoso y requiere mucho tiempo, especialmente dadas las grandes bases de datos de imágenes en constante crecimiento que existen.