文献

J-GLOBAL ID：202002212964059934   整理番号：20A1147127

融合畳込み注意機構による画像記述生成モデル【JST・京大機械翻訳】

Image caption generation model with convolutional attention mechanism

著者 (3件)： Huang Youwen (江西理工大学信息工程学院,江西gan州,341000) ,  You Yadong (江西理工大学信息工程学院,江西gan州,341000) ,  Zhao Peng (江西理工大学信息工程学院,江西gan州,341000)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 40  号： 1  ページ： 23-27  発行年： 2020年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 画像記述モデルは,画像特徴を抽出し,次に,自然言語処理(NLP)技術を用いて,特徴を表現できる。畳み込みニューラルネットワーク(CNN)と循環ニューラルネットワーク(RNN)に基づく既存の画像記述モデルは,画像のキー情報を抽出する際に精度が高く,訓練速度が遅い。この問題に対して、畳み込み注意力メカニズムと長い短期記憶(LSTM)ネットワークに基づく画像記述生成モデルを提案した。特徴抽出ネットワークとしてInception-ResNet-V2を採用し,従来の全連結操作の代わりに全畳込み操作を導入し,モデルパラメータの数を低減した。画像特徴とテキスト特徴を有効に融合してLSTMユニットに送り込み、訓練を完成し、最終的に画像内容の意味情報を描く。モデルはMSCOデータセットを用いて訓練し、多種の評価指標(BLEU-1、BLEU-4、METEOR、CIDErなど)を用いてモデルを検証した。実験結果は,提案したモデルが画像コンテンツを正確に記述でき,従来の注意機構に基づく方法より優れていることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  ネットワーク ,  ニューラルネットワーク ,  特徴抽出 ,  自然言語処理 ,  画像特性
準シソーラス用語： 短期記憶 ,  映像コンテンツ ,  モデルパラメータ ,  意味情報 ,  *生成モデル ,  評価指標 ,  畳込みニューラルネットワーク ,  長短期記憶 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： 融合 ,  畳込み ,  注意 ,  記述 ,  生成モデル