第四十四周学习笔记

第四十四周学习笔记

论文阅读概述

• Fast, Diverse and Accurate Image Captioning Guided By Part-of-Speech，本文使用part-of-speech模板来生成image caption，规定了句子中每个词的词性，通过使用多个模板生成多样的caption，在速度、多样性和准确性上比基于GAN的模型和beam search的模型都要高
• Unsupervised Image Captioning，本文提出了一种无监督的image caption学习方法，只需要图片集合和句子集合而不需要两者的对应关系，利用类似GAN的结构对两者进行重建，并引入object detection加以辅助，使生成的句子与图像相关
• Describing like Humans: on Diversity in Image Captioning，本文基于CIDEr提出了一个衡量diversity的度量，并通过奇异值分解，减少了度量的计算复杂度
• Very Deep Convolutional Networks For Large-Scale Image Recognition，本文提出了VGG网络，使用小卷积核替代大卷积核，在多次卷积之后再使用下采样，并在训练时和测试时使用灵活的scale方法，提高准确率
• CapSal: Leveraging Captioning to Boost Semantics for Salient Object Detection，通常的image caption都使用object detection来辅助，这篇文章反其道行之，使用image caption 来辅助object detection，将image caption结果结合图片特征喂给全局以及局部的感知网络，得到全局和局部的两个显著图，然后结合得到最后的结果

Faegen

见excel

本周小结

• 论文阅读完成

下周计划

• 论文5篇