TY -的A2 -卡里尔,艾哈迈德Mostafa盟——冯Junlong盟——赵,建平PY - 2022 DA - 2022/01/05 TI - Context-Fused指导图像字幕使用Sequence-Level SP - 9743123六世- 2022 AB -最近的训练图像字幕模型基于encoder-decoder框架在句子人类一代取得了举世瞩目的成就。然而,显式分离编码器和译码器带来了图片和句子之间的断开。它通常会导致一个粗略的形象描述:生成的标题只包含主要意外但忽略额外的实例对象和场景,这减少了标题图像的一致性。为了解决这个问题,我们提出了一个图像字幕系统内context-fused指导。它包含地区和全球形象代表组成的视觉特性学习图像的对象和属性。将映像级别的语义信息,采用视觉概念。为了避免误导解码,上下文融合门介绍计算文本上下文通过选择性聚合的视觉概念,词中嵌入的信息。随后,context-fused形象指导制定基于成分的视觉特性和文本上下文。它提供了解码器用有用的语义知识。最后,一个标题和一个两层LSTM建筑构造生成标题。 Moreover, to overcome the exposure bias, we train the proposed model through sequence decision-making. The experiments conducted on the MS COCO dataset show the outstanding performance of our work. The linguistic analysis demonstrates that our model improves the caption consistency of the image. SN - 1687-5265 UR - https://doi.org/10.1155/2022/9743123 DO - 10.1155/2022/9743123 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -