Image captioning based on an improved attention mechanism

隐藏字幕 计算机科学 变压器 人工智能 编码器 光学(聚焦) 特征(语言学) 解码方法 过程(计算) 计算机视觉 特征提取 图像(数学) 模式识别(心理学) 哲学 物理 量子力学 电压 光学 操作系统 电信 语言学
作者
Liang Li,Nan Xiang
标识
DOI:10.1117/12.2685386
摘要

Attention mechanism in image captioning model can help model focus on relative regions while generating caption. However, existing attention mechanisms are unable to identify important regions and important visual features in images. This problem makes models sometimes pay excessive attention to non-important regions and non-important features in the process of generating image captions, which makes model generate coarse-grained and even wrong image captions. To address this problem, we propose an “Importance Discrimination Attention” (IDA) module, which could discriminate important feature and non-important features and reduce the possibility of misleading by non-important features in the process of generating image captions. We also propose a IDA-based image captioning model IDANet, which is completely based on transformer framework. The encoder of IDANet consists of two parts, one is pretrained Vision Transformer (VIT), which is used to extract visual features in a fast way. The other is refining module which is added into encoder to model position and semantic relationships of different grids. For the decoder, we propose IDA-Decoder which has similar framework with transformer decoder. IDA-Decoder is guided by IDA to focus on crucial regions and features instead of all regions and features while generating image caption. Compared with others attention mechanism, IDA could capture semantic relevance of important regions with other regions in a fine-grained and high-efficient way. The caption generated by IDANet could accurately capture the relevance of different objects and discriminate objects that have similar size and shape. The performance on MSCOCO “Karpathy” offline test split achieves 132.0 CIDEr-D score and 40.3 BLEU-4 score.
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
璇璇完成签到 ,获得积分10
6秒前
高大的莞完成签到 ,获得积分10
8秒前
小梦完成签到,获得积分10
10秒前
jewel9完成签到,获得积分0
15秒前
石勒苏益格完成签到,获得积分10
16秒前
俞无声完成签到 ,获得积分10
18秒前
行云流水完成签到,获得积分10
20秒前
萧水白完成签到,获得积分10
20秒前
马大翔完成签到,获得积分0
21秒前
蓝泡泡完成签到 ,获得积分10
23秒前
spring完成签到 ,获得积分0
28秒前
wyh295352318完成签到 ,获得积分10
29秒前
彩色的冷梅完成签到 ,获得积分10
30秒前
mailgo完成签到,获得积分10
30秒前
WANG完成签到,获得积分10
33秒前
阿托伐他汀完成签到 ,获得积分10
36秒前
kekeji完成签到 ,获得积分10
39秒前
EVEN完成签到 ,获得积分10
41秒前
小布完成签到 ,获得积分10
42秒前
ccalvintan完成签到,获得积分10
48秒前
杨永佳666完成签到 ,获得积分10
48秒前
啵啵完成签到,获得积分10
50秒前
貔貅完成签到,获得积分10
51秒前
嘟嘟完成签到 ,获得积分10
1分钟前
1分钟前
合适的寄灵完成签到 ,获得积分10
1分钟前
哈哈完成签到 ,获得积分10
1分钟前
缥缈的万天完成签到 ,获得积分10
1分钟前
Anthocyanidin完成签到,获得积分10
1分钟前
悲痛宇宙完成签到,获得积分10
1分钟前
蓝绝完成签到 ,获得积分10
1分钟前
kkk完成签到 ,获得积分10
1分钟前
淞淞于我完成签到 ,获得积分10
1分钟前
卡卡光波完成签到,获得积分10
1分钟前
鲲鹏完成签到 ,获得积分10
1分钟前
诗筠完成签到 ,获得积分10
1分钟前
可爱的函函应助姚倩倩采纳,获得10
1分钟前
结实山水完成签到 ,获得积分10
2分钟前
友好的牛排完成签到,获得积分10
2分钟前
2分钟前
高分求助中
Lire en communiste 1000
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 800
Becoming: An Introduction to Jung's Concept of Individuation 600
Communist propaganda: a fact book, 1957-1958 500
Briefe aus Shanghai 1946‒1952 (Dokumente eines Kulturschocks) 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
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 3167235
求助须知:如何正确求助?哪些是违规求助? 2818702
关于积分的说明 7922018
捐赠科研通 2478475
什么是DOI,文献DOI怎么找? 1320350
科研通“疑难数据库(出版商)”最低求助积分说明 632776
版权声明 602443