神经图像描述生成
计算与语言
2019-07-05 v1 计算机视觉与模式识别
机器学习
摘要
近年来，主要计算机视觉任务（如物体识别、手写数字识别、人脸识别等）的最大进展都来自卷积神经网络（CNN）的使用。类似地，在自然语言处理领域，循环神经网络（RNN），尤其是长短期记忆网络（LSTM），对一些最大性能突破的任务（如机器翻译、词性标注、情感分析等）至关重要。这些各自的进展极大惠及了即便在 NLP 与计算机视觉交叉处的任务，受此成功启发，我们研究了一些已被证明有效的现有神经图像描述模型。在本工作中，我们研究一些提供接近最先进性能的现有描述模型，并尝试增强其中一个此类模型。我们还提出一个利用 CNN、LSTM 和 beam search1 算法的简单图像描述模型，并基于多种定性和定量度量研究其性能。
关键词
引用
@article{arxiv.1907.02065,
title = {Neural Image Captioning},
author = {Elaina Tan and Lakshay Sharma},
journal= {arXiv preprint arXiv:1907.02065},
year = {2019}
}