Show and Tell: A Neural Image Caption Generator(图文转换)

  1. 在”Show and Tell: Lessons learned from the 2015 MSCOCO Image Captioning Challenge.“这篇论文中用TensorFlow实现了图文模型的转换,作者是Oriol Vinyals, Alexander Toshev, Samy Bengio, Dumitru Erhan。

  2. Show and Tell模型是一个深度神经网络,学习如何描述图像的内容。例如:这里写图片描述

3.Architecture

Show and Tell模型是一个encoder-decoder神经网络的例子。首先它将图像“encoder”为固定长度的向量表示,然后将表示“decoder”为自然语言描述。

图像编码器(encoder)是深度卷积神经网络。这种类型的网络被广泛用于图像任务,比如目标识别和检测最新技术。我们特别选择的网络是在ILSVRC-2012-CLS图像分类数据集上预先训练的Inception v3图像识别模型。

解码器(decoder)是一个长期的短期记忆(LSTM)网络。这种类型的网络通常用于序列建模任务,如语言建模和机器翻译。在Show and Tell模型中,LSTM网络被训练成一个以图像编码为条件的语言模型。

字幕中的字用嵌入模型表示。词汇表中的每个词都与在训练期间学习的固定长度的向量表示相关联。

下图说明了模型架构。
这里写图片描述

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值