文献

J-GLOBAL ID：202202231690656140   整理番号：22A0836269

ACORT:パラメータ効率的な画像捕獲のためのコンパクトなオブジェクト関係変圧器【JST・京大機械翻訳】

ACORT: A compact object relation transformer for parameter efficient image captioning

著者 (4件)： Tan Jia Huei (CISiP, Faculty of Computer Science and Information Technology, Universiti Malaya, 50603 Kuala Lumpur, Malaysia) ,  Tan Ying Hua (CISiP, Faculty of Computer Science and Information Technology, Universiti Malaya, 50603 Kuala Lumpur, Malaysia) ,  Chan Chee Seng (CISiP, Faculty of Computer Science and Information Technology, Universiti Malaya, 50603 Kuala Lumpur, Malaysia) ,  Chuah Joon Huang (Faculty of Engineering, Universiti Malaya, 50603 Kuala Lumpur, Malaysia)
資料名： Neurocomputing  (Neurocomputing)
巻： 482  ページ： 60-72  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 変換器ベースのアーキテクチャを画像キャプテーションに適用する最近の研究は,最先端の画像キャプテーション性能をもたらし,自然言語タスクにおけるトランスフォーマの成功を資本化している。残念なことに,これらのモデルはよく働くが,一つの主要な欠陥は,それらの大きなモデルサイズである。この目的のために,画像キャプティング変換器のための3つのパラメータ低減法,Radix符号化,交差層パラメータ共有,および注意パラメータ共有を提示した。これらの方法を結合することにより,提案ACORTモデルは試験性能を損なうことなくベースラインモデルよりも3.7×21.6×少ないパラメータを持つ。MS-COCOデータセットの結果は,著者らのACORTモデルがベースラインとSOTAアプローチに対して競合し,CIDErスコア≧126であることを示した。最後に,提案した変化の有効性を実証するために,定性的結果とアブレーション研究を示した。コードと事前訓練モデルはhttps://github.com/jiahuei/sparse-image-captioningで公的に利用できる。Copyright 2022 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： *変圧器 ,  変換器 ,  ネットワーク ,  自然言語 ,  *画像 ,  *捕獲 ,  基準線 ,  有効性 ,  アブレーション ,  計算機アーキテクチャ
準シソーラス用語： FOMA ,  クロスレイヤ , 【Automatic Indexing@JST】

著者キーワード (3件)： 画像捕獲 ,  深層ネットワーク圧縮 ,  深層学習

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： パラメータ ,  捕獲 ,  オブジェクト ,  変圧器