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。
画像マルチモーダルの埋込み空間の中に内だけでなく完全な文と全体像文と顕著な領域内の語句をマッピングする高密度視覚意味論的埋め込みの問題を取り上げて論じた。このような高密度埋込み,画像字幕のタスクに適用した場合,いくつかの領域指向と詳細な句よりもむしろ画像を記述するために概要文を生成することができた。具体的には,階層的構造化リカレントニューラルネットワーク(RNN),すなわち階層的マルチモーダルLSTM(HM LSTM)を提案した。鎖構造化RNNと比較して,提案したモデルは文と句間の階層的関係を利用し,全体像と画像領域間の,それらの表現を確立した。教師つきラベルの必要がなく,著者らの提案したモデルは,高密度埋込みに向けて句と画像領域間の細粒対応を自動的に学習することができる。いくつかのデータセット上での包括的実験を行い,提案手法の有効性,最先端の方法に遜色なく匹敵しを検証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】