Chittron：一种孟加拉语自动图像描述系统
计算与语言
2018-09-10 v1 计算机视觉与模式识别
摘要
自动图像描述生成旨在以自然语言自动产出图像的准确描述。然而，作为全球第五大广泛使用的语言，孟加拉语在此类领域的研究与开发相当滞后。此外，尽管存在许多与英语图像标注相关的既定数据集，孟加拉语尚无此类资源。故此，本文概述了孟加拉语自动图像描述系统“Chittron”的开发。而且，为解决数据集可用性问题，我们收集了16,000张孟加拉国语境图像并人工以孟加拉语标注。该数据集随后用于训练一个集成预训练VGG16图像嵌入模型与堆叠LSTM层的模型。模型训练为当输入为图像时逐词预测描述。结果显示模型成功习得了可用的语言模型，并在许多情况下相当准确地生成图像描述。结果主要经定性评估，但也报告了BLEU分数。预期更大且更多样的数据集可取得更好结果。
引用
@article{arxiv.1809.00339,
title = {Chittron: An Automatic Bangla Image Captioning System},
author = {Motiur Rahman and Nabeel Mohammed and Nafees Mansoor and Sifat Momen},
journal= {arXiv preprint arXiv:1809.00339},
year = {2018}
}