對Image caption的一些理解(看圖說話)

1. 背景 ​ 在計算機視覺中，圖像分類和目標檢測任務是比較成熟的領域，已經應用到實際的產品領域。而「看圖說話」要實現的功能是，給定一張圖像，計算機能告訴我們圖片的內容，顯然，這會使一個比較複雜的任務，因爲它涉及到了如下的子任務： 1）檢測圖像中的目標； 2）目標的屬性，比如顏色、尺寸等； 3）目標之間的關聯； 4）語言模型，用於把上面的信息表述成句子； 2. 相關的論文 2.1 「Show an

>>阅读原文<<