Knowing When to Look: Adaptive Attention via A Visual Sentinel for Image Captioning(CVPR2017)

Knowing When to Look: Adaptive Attention via A Visual Sentinel for Image Captioning(CVPR2017)

文章认为,非视觉词如the,of 等更多的依赖语言信息而不是视觉信息,他们的梯度反而会影响视觉信息的有效性。因此论文引进了一个参数 β \beta β,来控制attention中视觉信息和历史信息(语言信息)的比重。设计了 visual sentinel来表示已经生成的历史信息(语言信息)。
论文的贡献有:

  • 改进了传统的soft attention模型,提出了spatial attention模型。
  • 提出了带有视觉哨兵的自适应的adaptive attention模型.

传统的soft attention模型:

在这里插入图片描述

改进的spatial attention模型:

在这里插入图片描述
与传统的soft attention不同的是:使用 h t h_{t} ht,而不是 h t − 1 h_{t-1} ht1输入attention。
作者认为 C t C_{t} Ct可以看作是 h t h_{t} ht的残差连接,可以在预测下一个词时,降低不确定性或提供情报。

adaptive attention模型:

作者采用在spatial attention的基础上扩展LSTM的方式,得到adaptive attention模型。
具体的扩展方式是在LSTM的基础上加了两个公式:
g t = σ ( w x x t + w h h t − 1 ) g_{t}=\sigma(w_{x}x_{t}+w_{h}h_{t-1}) gt=σ(wxxt+whht1)

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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