用于图像标题生成的引导长短期记忆网络
计算机视觉与模式识别
2015-09-17 v1
摘要
在本工作中，我们关注图像标题生成问题。我们提出了一种长短期记忆（LSTM）模型的扩展，简称为 gLSTM。具体而言，我们将从图像中提取的语义信息作为额外输入添加到 LSTM 块的每个单元中，旨在引导模型得出与图像内容更紧密耦合的解。此外，我们探索了用于束搜索的不同长度归一化策略，以防止偏向短句。在 Flickr8K、Flickr30K 和 MS COCO 等多个基准数据集上，我们获得的结果与当前 SOTA 相当甚至更优。
引用
@article{arxiv.1509.04942,
title = {Guiding Long-Short Term Memory for Image Caption Generation},
author = {Xu Jia and Efstratios Gavves and Basura Fernando and Tinne Tuytelaars},
journal= {arXiv preprint arXiv:1509.04942},
year = {2015}
}
备注
accepted by ICCV 2015