高斯平滑语义特征（GSSF）——基于MSCOCO框架探索印度语言（孟加拉语）视觉描述中的语言学层面
计算与语言
2020-02-18 v1 计算机视觉与模式识别
机器学习
神经与进化计算
摘要
在本工作中，我们引入了高斯平滑语义特征（GSSF）以改进基于印度地区语言的图像描述中的语义选择，并提出了一种利用现有翻译和英文众包句子进行训练的流程。我们表明，在资源匮乏的情况下，该架构是一种有前景的替代来源。本工作的主要贡献是开发了面向孟加拉语（世界第五大广泛使用的语言）的深度学习架构，该语言具有完全不同的语法和语言属性。我们展示了这些架构在诸如从图像语境生成语言等复杂应用中表现良好，并可通过引入约束、更广泛的特征和独特的特征空间来使表示多样化。我们还证实，当将平滑后的语义张量与传统LSTM和特征分解网络结合使用时，可实现绝对的精度与多样性。借助更好的学习架构，我们成功建立了一种自动化算法与评估流程，有助于在无需专家知识和人工干预的情况下对合格应用进行评估。
引用
@article{arxiv.2002.06701,
title = {Gaussian Smoothen Semantic Features (GSSF) -- Exploring the Linguistic Aspects of Visual Captioning in Indian Languages (Bengali) Using MSCOCO Framework},
author = {Chiranjib Sur},
journal= {arXiv preprint arXiv:2002.06701},
year = {2020}
}