视觉注意力机制起源于视网膜的生物学机理,当生物观察具有多个目标的复杂场景时,在每一时刻视网膜会选取一小部分目标进行集中,并将有限的处理资源进行分配。因为注意力机制具有选择性和聚焦性两大特性,被广泛应用于计算机视觉领域中。图像自动标注是近几年流行起来的在计算机视觉领域具有代表性的应用,即对指定的图片进行自动标注产生图像的文字叙述标签。由于在自然场景下的图片大多数是多标签图片,即在图片中含有多个目标,所以对具有语义特征的多标签图像进行自动标注更加具有普适性意义。标注系统在每一次迭代的最后产生一个对应于图片中某一目标的标签,所以在每一次系统迭代过程中特征的选择和资源的分配对标注效果有很大影响。本文以多标签标注结果为量化指标,基于深度神经网络搭建视觉注意力模型架构,对视觉注意力机制进行研究,完善视觉注意力机制。视觉注意力机制现有的两大问题是分化能力不足与聚焦能力不足。分化能力是注意力模型在不同时刻注意到不同的目标的能力,即在前一时刻注意到某一目标,并将处理资源分配给它,我们希望在下一时刻可以将注意力转向其它目标,减少上一时刻目标的对本次的影响,从而将资源的合理分配最大化。本文通过引入历史信息来增加视觉注意力模型的分化能力,即将之前若干次的迭代结果作为本次模型的输入,并在本次迭代对历史信息进行一定规则的删减,从而得到更好的效果。聚焦能力是注意力模型在每次迭代过程中将处理资源集中分配在同一个目标的能力,即在当前时刻希望模型将注意力集中在一个目标上,忽略其他的目标及杂乱背景的干扰,将处理资源集中于一个目标。本文通过引入显著性信息来增加模型的聚焦能力。显著性信息是通过图像底层特征的提取,并通过不同像素点之前的对比,对一副图片提取显著性的区域,并将显著性信息作为先验知识加入到注意力模型中。在注意力模型选取注意力区域时,通过参考输入的显著性信息,更为准确的选取当前的注意力区域,并分配处理资源。本文主要对视觉注意力机制进行研究,并基于深度神经网络对其进行实现。通过加入历史信息和显著性信息提高视觉注意力模型的分化能力和聚焦能力,并通过大量的对比实验验证本文提出的方法的有效性。