Guiding the Long-Short Term Memory Model for Image Caption Generation

指導長時記憶以生成圖像字幕 摘要：在這項工作中，我們專注於圖像標題生成的問題。 我們提出了長期短期記憶（LSTM）模型的擴展，簡稱爲gLSTM。 特別是，我們將從圖像中提取的語義信息作爲額外輸入添加到LSTM塊的每個單元中，目的是將模型引向更緊密地耦合到圖像內容的解決方案。 此外，我們探索了用於波束搜索的不同長度歸一化策略，以防止偏愛短句。 在各種基準數據集（例如Flickr8K，Flickr30

>>阅读原文<<