画像捕獲のための教師臨界訓練戦略【JST・京大機械翻訳】

Huang Yiqing; Chen Jiansheng

プレプリント

J-GLOBAL ID：202202205642192863 整理番号：22P0195684

画像捕獲のための教師臨界訓練戦略【JST・京大機械翻訳】

Teacher-Critical Training Strategies for Image Captioning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年09月29日プレプリントサーバーでの情報更新日： 2020年09月29日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

既存の画像キャプテーションモデルは,通常,クロスエントロピー(XE)損失と強化学習(RL)によって訓練され,それは,ハードターゲットとしてグランドトルース単語をセットし,それらのから学習するキャプテーションモデルを力づける。しかし,広く採用されている訓練戦略は,XE訓練における不整合とRL訓練における不適切な報酬割当てに悩まされている。これらの問題に取り組むために,著者らは,ソフトターゲットとしていくつかのより容易な単語提案を生成することによって,地盤-トラスキャプションとキャプションモデルの間のブリッジとして機能する教師モデルを導入した。ベースラインキャプションモデルに地上-トラス画像属性を組み込むことによって,教師モデルを構築した。教師モデルから効果的に学習するために,著者らは,キャプションモデルのためのより良い学習プロセスを容易にするために,XEとRL訓練の両方のための教師-批評訓練戦略(TCTS)を提案した。ベンチマークMSCOCOデータセットに関するいくつかの広く採用されているキャプションモデルの実験的な評価は,提案したTCTSが,両方の訓練段階で,特にBleuとRouge-Lスコアを,最も評価メトリックスを総合的に強化することを示した。TCTSは,MSCOCO Karpathy試験スプリットで,40.2%と59.4%の最良の公表単一モデルBleu-4とRouge-L性能を達成することができる。著者らのコードと事前訓練モデルはオープンソースである。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識 , 図形・画像処理一般

, , , ,

前のページに戻る