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。
ほとんどのRNNベースの画像キャプテーションモデルは,人間のキャプションを模倣するために,出力単語に関する監視を受けた。したがって,隠れ状態は,時間を通して逆伝搬の層を介して雑音のある勾配信号だけを受信することができ,正確な生成キャップを少なくする。結果的に,筆者らは,画像上で調整されたキャプションを自動符号化する容易なタスクで訓練された教師復号器における隠れ状態と一致する新しいフレームワーク,隠れ状態指針(HSG)を提案した。REINFORCEアルゴリズムによる訓練の間,従来の報酬は,各生成された単語に等しく分布する文章ベースの評価計量であり,それらの関連性は何もなかった。HSGは,このモデルがより良い隠れ表現を学習するのを助ける単語レベルの報酬を提供する。実験結果は,HSGが,入力として生画像または検出対象のいずれかを用いて,種々の最先端のキャプション復号器を明瞭に凌駕することを示した。【JST・京大機械翻訳】