文献

J-GLOBAL ID：202102286572923536   整理番号：21A0442002

画像捕獲のためのグラフ自己注意ネットワーク【JST・京大機械翻訳】

Graph Self-Attention Network for Image Captioning

著者 (2件)： Zheng Qitong (Institute of Software Chinese Academy of Sciences, University of Chinese Academy of Sciences,Beijing,China) ,  Wang Yuping (Institute of Software Chinese Academy of Sciences, University of Chinese Academy of Sciences,Beijing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： AICCSA  ページ： 1-8  発行年： 2020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： 画像キャプティングのための最先端技術のほとんどは,符号器-デコーダフレームワーク内の物体領域における注意機構に大きく依存する。一般に,既存の注意モデルは単純な加算または乗算操作に基づいており,視覚特徴と目標単語の間の複雑な関係を完全に発見できない。本論文では,グラフネットワークと画像キャプティングのための自己注意を組み込んだグラフ自己注意(GSA)と名付けた新しい注意モデルを提案した。GSAは,単語ステップバイステップを生成するとき,検出対象領域に対して重みを動的に割り当てるスターグラフモデルを構築する。中心ノードを意味特徴によって表現し,対象領域の視覚特徴をエッジノードとして使用した。中心とエッジノードの間のメッセージの伝播を通して,GSAは,現在の目標単語と画像特徴の間の関係を明示的に捉える。視覚情報に直接関連しない結合と属性を生成するために,GSAは,そのような単語が意味情報に多く焦点を当てるように自己注意を導入する。さらに,GSAモデルも一般的であり,複数の特徴に注意を必要とするタスクに適用できる。実験は提案したGSAの有効性と可能性を示す。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  乗算 ,  画像特性 ,  符号器 ,  *捕獲 ,  有効性 ,  単語
準シソーラス用語： スターグラフ ,  意味情報 ,  視覚情報 ,  グラフネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 捕獲 ,  グラフ ,  自己 ,  注意