Resumen

La descripción automática de imágenes con descripciones adecuadas se ha convertido en un problema interesante y desafiante. En este documento, presentamos un modelo conjunto AICRL, que es capaz de llevar a cabo la descripción automática de imágenes basada en ResNet50 y LSTM con atención suave. AICRL consta de un codificador y un decodificador. El codificador adopta ResNet50 basado en la red neuronal convolucional, que crea una representación extensa de la imagen dada al incrustarla en un vector de longitud fija. El decodificador está diseñado con LSTM, una red neuronal recurrente y un mecanismo de atención suave, para enfocar selectivamente la atención en ciertas partes de una imagen para predecir la siguiente oración. Hemos entrenado AICRL en un gran conjunto de datos MS COCO 2014 para maximizar la probabilidad de la oración de descripción objetivo dada las imágenes de entrenamiento y lo hemos evaluado en varias métricas como BLEU, METEROR y CIDEr. Nuestros resultados experimentales indican que AICRL es efectivo en la gener

• Materias:Redes de radio Sistemas de información Comunicaciones inalámbricas Cifrado de bloques
• Subjects:Radio Networks Information systems Wireless communications Block ciphers
• Palabras claves:Descripción de la imagen; AICRL; ResNet50; LSTM; Atención suave; MS COCO
• Keywords:Image captioning; AICRL; ResNet50; LSTM; Soft attention; MS COCO