抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
画像のテキスト記述が与えられた時,句接地記述における質問句による参照画像内の物体を局在した。最新技術に基づく手法では各質問の関連性に基づいて提案のセット,独立した提案発生システムの性能によって制限されるをランク付け問題を取り上げ,記述における文脈から有用な手がかりを無視している。本論文では,性能限界を破るための空間回帰法を採用し,さらに意味的文脈情報を活用するための強化学習法を導入した。提案世代ネットワーク(PGN),質問誘導回帰ネットワーク(QRN)と文脈政策ネットワーク(CPN)を学習する併用した文脈政策(QRC Net)を持つ新しい質問誘導回帰ネットワークを提案した。実験はQRCネットは二種類のポピュラーなデータセット:Flickr30KエンティティとReferitゲームに精度の顕著な改善を提供し,それぞれ最先端で14.25%及び17.14%の増加を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】