自動圖像標(biāo)注是一個包含眾多標(biāo)簽、多樣特征的富有挑戰(zhàn)性的研究問題，是新一代圖像檢索與圖像理解的關(guān)鍵步驟．針對傳統(tǒng)的基于淺層機(jī)器學(xué)習(xí)標(biāo)注算法標(biāo)注效率低下、難以處理復(fù)雜分類任務(wù)的問題。提出了基于棧式自動編碼器（stacked auto-encoder，簡稱SAE）的自動圖像標(biāo)注算法。提升了標(biāo)注效率和標(biāo)注效果．主要針對圖像標(biāo)注數(shù)據(jù)不平衡問題，提出兩種解決思路：對于標(biāo)注模型，提出一種增強(qiáng)訓(xùn)練中低頻標(biāo)簽的平衡棧式自動編碼器（B-SAE），較好地改善了中低頻標(biāo)簽的標(biāo)注效果．并在該模型的基礎(chǔ)上提出一種分組強(qiáng)化訓(xùn)練B-SAE子模型的魯棒平衡棧式自動編碼器算法（RB-SAE），提升了標(biāo)注的穩(wěn)定性。從而保證模型本身具有較強(qiáng)的處理不平衡數(shù)據(jù)的能力：對于標(biāo)注過程，以未知圖像作為出發(fā)點，首先構(gòu)造未知圖像的局部均衡數(shù)據(jù)集，并判定該圖像的高低頻屬性以決定不同的標(biāo)注過程，局部語義傳播算法（SP）標(biāo)注中低頻圖像，RB-SAE算法標(biāo)注高頻圖像，形成屬性判別的標(biāo)注框架（ADA），保證了標(biāo)注過程具有較強(qiáng)的應(yīng)對不平衡數(shù)據(jù)的能力。從而提升整體圖像標(biāo)注效果．通過在3個公共數(shù)據(jù)集上進(jìn)行實驗驗證，結(jié)果表明。該方法在許多指標(biāo)上相比以往方法均有較大提高．