Файл:From Captions to Visual Concepts and Back.pdf

Материал из Материалы по машинному обучению
Перейти к: навигация, поиск
From_Captions_to_Visual_Concepts_and_Back.pdf(0 × 0 пикселей, размер файла: 2,95 МБ, MIME-тип: application/pdf)

Hao Fang∗ Saurabh Gupta∗ Forrest Iandola∗ Rupesh K. Srivastava∗ Li Deng Piotr Doll´ar† Jianfeng Gao Xiaodong He Margaret Mitchell John C. Platt‡ C. Lawrence Zitnick Geoffrey Zweig Microsoft Research

Abstract

This paper presents a novel approach for automatically generating image descriptions: visual detectors, language models, and multimodal similarity models learnt directly from a dataset of image captions. We use multiple instance learning to train visual detectors for words that commonly occur in captions, including many different parts of speech such as nouns, verbs, and adjectives. The word detector outputs serve as conditional inputs to a maximum-entropy language model. The language model learns from a set of over 400,000 image descriptions to capture the statistics of word usage. We capture global semantics by re-ranking caption candidates using sentence-level features and a deep multimodal similarity model. Our system is state-of-the-art on the official Microsoft COCO benchmark, producing a BLEU-4 score of 29.1%. When human judges compare the system captions to ones written by other people on our held out test set, the system captions have equal or better quality 34% of the time.

История файла

Нажмите на дату/время, чтобы просмотреть, как тогда выглядел файл.

Дата/времяРазмерыУчастникПримечание
текущий16:45, 22 декабря 20160 × 0 (2,95 МБ)Slikos (обсуждение | вклад)
  • Вы не можете перезаписать этот файл.

Следующая 1 страница ссылается на данный файл: