文献

J-GLOBAL ID：201902217032080949   整理番号：19A2692217

階層的注意機構とポリシー勾配最適化による画像キャプショニング【JST・京大機械翻訳】

Image captioning via hierarchical attention mechanism and policy gradient optimization

著者 (11件)： Yan Shiyang (School of Electronics, Electrical Engineering and Computer Science, Queen’s University Belfast, Belfast, United Kingdom) ,  Xie Yuan (The Institute of Advanced Artificial Intelligence in Nanjing, Nanjing, China) ,  Xie Yuan (Horizon Robotics, Beijing, China) ,  Xie Yuan (Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Xie Yuan (School of Computer Science and Software Engineering, East China Normal University, China) ,  Wu Fangyu (Electrical Engineering and Electronic, University of Liverpool, Liverpool, United Kingdom) ,  Wu Fangyu (Department of Computer Science and Software Engineering, Xi’an Jiaotong-Liverpool University, Suzhou, China) ,  Smith Jeremy S. (Electrical Engineering and Electronic, University of Liverpool, Liverpool, United Kingdom) ,  Lu Wenjin (Department of Computer Science and Software Engineering, Xi’an Jiaotong-Liverpool University, Suzhou, China) ,  Zhang Bailing (The Institute of Advanced Artificial Intelligence in Nanjing, Nanjing, China) ,  Zhang Bailing (Horizon Robotics, Beijing, China)
資料名： Signal Processing  (Signal Processing)
巻： 167  ページ： Null  発行年： 2020年 
JST資料番号： A0102B  ISSN： 0165-1684  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 画像の記述を自動的に生成する,すなわち,画像捕捉は,人工知能における重要で基本的なトピックであり,コンピュータビジョンと自然言語処理の間のギャップを橋渡しする。成功した深い学習モデルに基づいて,特にCNNモデルと注意機構を持つ長い短時間メモリ(LSTMs)を用いて,大域的CNN特徴と局所的オブジェクト特徴の両方を利用して,より効果的な特徴表現と画像捕捉における推論に対する階層的注意モデルを提案した。強化学習(RL)アルゴリズムと共に,生成的な対数ネットワーク(GAN)を適用して,言語問題に対するRNNベースの教師つき訓練における露光バイアス問題を解いた。さらに,GANフレームワークとRL最適化における識別子によって生成された捕獲と画像コンテンツの間の一貫性の自動測定を通して,著者らは最終的に生成された文章をより正確で自然にする。包括的実験は,階層的注意機構の改良性能と著者らのRLベースの最適化方法の有効性を示した。著者らのモデルは,gre欲な推論だけを用いて,MSCOCOデータセットにおけるいくつかの重要な計量に関する最先端の結果を達成した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 人工知能 ,  対数 ,  自動計測 ,  有効性 ,  *最適化 ,  ネットワーク ,  教師つき学習 ,  捕獲 ,  モデル ,  アルゴリズム ,  言語 ,  *画像 ,  コンピュータビジョン ,  記憶装置 ,  バイアス

著者キーワード (5件)： 画像取得 ,  階層的注意機構 ,  生成的敵対ネットワーク ,  強化学習 ,  政策勾配

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  信号理論  (ND02020G)

タイトルに関連する用語 (3件)： 注意 ,  勾配 ,  最適化