Exploring Visual Relationship for Image Captioning論文筆記

最近看了這篇論文， 寫了些心得體會，僅代表個人看法，如有不對還請多多指教！ 本文提出了一種新的設計方案，在基於注意的編解碼框架下，探討圖像描述對象之間的聯繫。具體來說，我們提出了圖形卷積網絡和長期短期內存(稱爲gcn-lstm)架構，這種新穎的方法將語義和空間對象關係整合到圖像編碼器中。從技術上講，我們根據圖像中檢測到的對象的空間和語義聯繫來構建關係圖形。然後，通過GCN利用圖形結構，對每個區域的

>>阅读原文<<