文献

J-GLOBAL ID：202202288358188751   整理番号：22A0456602

画像処理のためのタスク適応注意【JST・京大機械翻訳】

Task-Adaptive Attention for Image Captioning

著者 (8件)： Yan Chenggang (School of Mechanical, Electrical and Information Engineering, Shandong University, Weihai, China) ,  Hao Yiming (School of Mechanical, Electrical and Information Engineering, Shandong University, Weihai, China) ,  Li Liang (Chinese Academy of Sciences, Institute of Computing Technology, Beijing, China) ,  Yin Jian (School of Mechanical, Electrical and Information Engineering, Shandong University, Weihai, China) ,  Liu Anan (School of Electrical and Information Engineering, Tianjin University, Tianjin, China) ,  Mao Zhendong (School of Information Science and Technology, University of Science and Technology of China, Hefei, China) ,  Chen Zhenyu (Big Data Center, State Grid Corporation of China, Beijing, China) ,  Gao Xingyu (Chinese Academy of Sciences, Institute of Microelectronics, Beijing, China)
資料名： IEEE Transactions on Circuits and Systems for Video Technology  (IEEE Transactions on Circuits and Systems for Video Technology)
巻： 32  号： 1  ページ： 43-51  発行年： 2022年 
JST資料番号： W0321A  ISSN： 1051-8215  CODEN： ITCTEM  資料種別： 逐次刊行物 (A)
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： 注意機構は,現在,画像キャプテーションモデルで広く使われている。しかし,ほとんどの注意モデルは,視覚特徴のみに焦点を合わせる。構文関連語を生成するとき,わずかな視覚情報が必要である。この場合,これらの注意モデルは単語生成を誤らせる。本論文では,画像キャプテーションのためのタスク適応注意モジュールを提案し,これは,この誤解問題を軽減し,非ビジュアル単語の生成に役立つ陰的非ビジュアル手がかりを学習できる。さらに,タスク適応注意モジュールの発現能力を高めるために多様性正則化を導入した。MSCOCOキャプテーションデータセットに関する大規模な実験は,著者らのタスク適応注意モジュールをバニラ変換機ベースの画像キャプテーションモデルに閉塞することによって,性能改良を達成できることを示した。Copyright 2022 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： 変換器 ,  バニラ ,  *画像処理 ,  正則化 ,  単語
準シソーラス用語： 関連語 ,  視覚情報 ,  構文 , 【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)： 画像処理 ,  タスク ,  適応 ,  注意