RFNet是一种用于图像标题生成的方法，它通过使用多个CNN编码器获取图像的多角度表示，然后通过两个阶段的循环融合过程，结合注意力机制，生成更丰富的上下文向量，最终由解码器转化为自然语言描述。这种方法旨在提高对输入图像的语义理解，从而生成更精确的图像描述。
Recurrent fusion network for image captioning.
ECCV 2018.
W. Jiang, L. Ma, Y.-G. Jiang, W. Liu, and T. Zhang.
问题
现有的基于该框架的模型仅采用了一个cnn，仅从一个特定的角度描述图像内容。因此，不能全面理解输入图像的语义，不能生成更好的描述。
思路
从多个cnn编码器中提取不同的表示，更丰富、更全面，信息互补。然后融合，传入decoder。(RFNet)。
融合过程利用encoder输出之间的交互，为decoder生成紧凑而有信息的表示。
方法
Recurrent Fusion Network (RFNet)
最低0.47元/天 解锁文章
601
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
