文献

J-GLOBAL ID：201702228685998386   整理番号：17A1265896

画像キャプション生成のための長短項記憶モデルに基づく視覚的注意【Powered by NICT】

Visual attention based on long-short term memory model for image caption generation

著者 (3件)： Qu Shiru (School of Automation, Northwestern Polytechnical University, Xi’an, 710072) ,  Xi Yuling (School of Automation, Northwestern Polytechnical University, Xi’an, 710072) ,  Ding Songtao (School of Automation, Northwestern Polytechnical University, Xi’an, 710072)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCDC  ページ： 4789-4794  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 画像キャプション生成はコンピュータビジョンと人工知能における育成話題となっている。硬い記述の問題を解決するために,畳込みニューラルネットワーク(CNN)を用いた豊富な特徴を抽出するために意図した。結果的にエンドツーエンド画像字幕を生成するリカレントニューラルネットワーク(RNN)の特別な定式を有するCNNを組み合わせた提案されているニューラルネットワークと確率的フレームワーク。固定次元ベクトルに入力可変長をコードするベクトルに単語を利用したモデルを使用した。画像中の物体の記述を考慮して十分に特異的ではなく,可視化による注意機構を導入したモデルは顕著なオブジェクトに対する注視を固定することができかを示した。三つのベンチマークデータセット上で提案モデルを検証し,標準評価尺度を使用することによって,優れた性能を得た。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 可視化 ,  ニューラルネットワーク ,  *画像 ,  定式化 ,  コンピュータビジョン ,  エンドツーエンド方式 ,  ベクトル ,  人工知能 ,  単語 ,  畳込み
準シソーラス用語： 評価尺度 ,  リカレントニューラルネットワーク ,  字幕 ,  *視覚的注意 ,  *キャプション , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： キャプション ,  視覚的注意