Multilevel Attention Networks and Policy Reinforcement Learning for Image Caption Generation

隐藏字幕 强化学习 计算机科学 人工智能 卷积神经网络 任务(项目管理) 图像(数学) 人工神经网络 光学(聚焦) 对象(语法) 机器学习 光学 物理 经济 管理
作者
Zhibo Zhou,Xiaoming Zhang,Zhoujun Li,Feiran Huang,Jie Xu
出处
期刊:Big data [Mary Ann Liebert]
卷期号:10 (6): 481-492 被引量:4
标识
DOI:10.1089/big.2021.0049
摘要

The analysis of large-scale multimodal data has become very popular recently. Image captioning, whose goal is to describe the content of image with natural language automatically, is an essential and challenging task in artificial intelligence. Commonly, most existing image caption methods utilize the mixture of Convolutional Neural Network and Recurrent Neural Network framework. These methods either pay attention to global representation at the image level or only focus on the specific concepts, such as regions and objects. To make the most of characteristics about a given image, in this study, we present a novel model named Multilevel Attention Networks and Policy Reinforcement Learning for image caption generation. Specifically, our model is composed of a multilevel attention network module and a policy reinforcement learning module. In the multilevel attention network, the object-attention network aims to capture global and local details about objects, whereas the region-attention network obtains global and local features about regions. After that, a policy reinforcement learning algorithm is adopted to overcome the exposure bias problem in the training phase and solve the loss-evaluation mismatching problem at the caption generation stage. With the attention network and policy algorithm, our model can automatically generate accurate and natural sentences for any particular image. We carry out extensive experiments on the MSCOCO and Flickr30k data sets, demonstrating that our model is superior to other competitive methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1762120完成签到,获得积分10
1秒前
Nick发布了新的文献求助10
2秒前
情怀应助Phoebe采纳,获得10
3秒前
景然完成签到,获得积分10
3秒前
Ava应助试遣愚忠采纳,获得10
4秒前
火龙果完成签到,获得积分10
6秒前
6秒前
乔恩完成签到,获得积分10
7秒前
8秒前
二七完成签到 ,获得积分10
8秒前
10秒前
10秒前
11秒前
相爱就永远在一起完成签到,获得积分10
11秒前
11秒前
xianshuo发布了新的文献求助10
11秒前
bkagyin应助YI点半的飞机场采纳,获得10
12秒前
曾经的慕灵完成签到,获得积分10
12秒前
折折完成签到,获得积分10
12秒前
lzr发布了新的文献求助10
14秒前
14秒前
科研通AI2S应助wblydz采纳,获得10
14秒前
NOBODY完成签到,获得积分10
15秒前
一二发布了新的文献求助10
15秒前
janarbek应助元谷雪采纳,获得10
15秒前
晓泽发布了新的文献求助10
15秒前
科目三应助warren采纳,获得10
16秒前
17秒前
18秒前
xianshuo完成签到,获得积分20
20秒前
Liao完成签到 ,获得积分10
22秒前
钮以南发布了新的文献求助10
23秒前
24秒前
Owen应助一二采纳,获得10
25秒前
26秒前
orixero应助科研通管家采纳,获得10
26秒前
大模型应助科研通管家采纳,获得10
26秒前
科研通AI2S应助科研通管家采纳,获得10
26秒前
iNk应助科研通管家采纳,获得10
26秒前
27秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3134969
求助须知:如何正确求助?哪些是违规求助? 2785927
关于积分的说明 7774469
捐赠科研通 2441746
什么是DOI,文献DOI怎么找? 1298163
科研通“疑难数据库(出版商)”最低求助积分说明 625088
版权声明 600825