资料下载
×
基于卷积神经网络的图像描述生成方法
消耗积分:0 |
格式:pdf |
大小:1.34 MB |
2021-06-03
分享资料个
图像描述，即利用电脑自动描述图像的语义内容一直是计算机视觉领域的一项重要研究任务。尽管使用卷积神经网络（connal neural networks，CNN）和长短期记忆网络（ （ong short-term memory，LSTM）的组合框架在生成图像描述方面解决了梯度消失和梯度爆炸问題，但是基于LSTM的模型依赖序列化的生成描述，无法在训练时并行处理，且容易在生成描述时遗忘先前的信息。为解决这些问题，提出将条件生成对抗网络（ conditional generativeversarial network，CGAN引入到描述生成模型训练中，即采用CNN来生成图像描述。通过对抗训练来生成句子描述并结合注意力机制提升描述的质量。在 MSCOCO数据集上进行测试，实验结果表明，与基于CNN的其他方法相比文中方法在语义丰富程度指标 CIDER上取得了2%的提升，在准确性指标BLEU上有1%左右的性能提升;同时，其在部分指标，尤其是语义指标上超过了基于LsTM模型的图像描述方法的性能;证明该方法生成的图像描述更接近图像的真实描述，并且语义内容更加丰富。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
