Show and Tell: A Neural Image Caption Generator

Show and Tell: A Neural Image Caption Generator

原文地址

时间:2015年

Target

Automatically describe the content of an image

Difficulty

image captioning 不仅要得到图片包含的物体,而且要给出它们之间的关系

Inspiration

  • machine translation with Recurrent Neural Networks(RNNs), an “encoder” RNN reads the source sentence and transforms it into a rich fixed-length vector representation, which in turn in used as the initial hidden state of a “decoder” RNN that generates the target sentence

Contribution

  • an end-to-end system for image caption

Idea

在这里插入图片描述

  • 将机器翻译中的encoder换成 pre-trained 的 CNN来提取图片信息,再用LSTM作为decoder
  • 使用了word embedding
  • 损失函数对encoder、decoder和word embedding同时做更新
  • Inference 的时候使用 Beam Search

Model

在这里插入图片描述
损失函数
在这里插入图片描述
在这里插入图片描述
实际上就是分类的负对数损失
在这里插入图片描述

Evaluation Metrics

  • subjective score
  • BLEU
  • perplexity

训练细节

  • 使用ImageNet预训练模型避免过拟合
  • 使用在大型文集上初始化的词向量避免过拟合的效果不明显,所以不这样做
  • dropout、ensembling
  • SGD with fixed lr and no momentum
  • CNN参数不变
  • embeding维度512,LSTM memory也是
  • 描述标签预处理,保留出现次数超过五次的词

Terminology

  • NIC: Neural Image Caption
  • BLEU
  • perplexity

问题

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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