多标签图像标注在根据模型预测的概率，利用排名函数进行标注时会出现多标或少标的问题，提出了融合阈值寻优的卷积神经网络(CNN-THOP)模型，该模型由卷积神经网络(CNN)和阈值寻优构成。首先，通过CNN训练模型，利用该模型对图片进行预测，得到预测概率，其中在CNN中增加了批标准化层(BN)有效地加快了收敛。其次，利用该模型对测试集图片的预测概率进行阈值寻优，经过阈值寻优过程为每类标签得到一个最佳阈值，从而得到一组最佳阈值，只有当该类标签的预测概率大于等于该类标签的最佳阈值时，才会给图片标注该标签。在标注过程中，通过载入CNN模型和一组最佳阈值可以对所需标注的图像进行更加灵活的多标签标注。通过在自然场景图像数据集8 000张图片上的验证，结果表明，CNN-THOP较传统的基于排名的支持向量机法(Rank-SVM)在平均查准率上提升了约20个百分点，较基于均方误差函数的卷积神经网络(CNN-MSE)在平均召回率和F1值上分别提高了约6个百分点和4个百分点，且完全匹配度(CMD)达到了64.75%，验证了该方法在图像自动标注方面的有效性。
