Image captioning using transformer-based double attention network

计算机科学 隐藏字幕 变压器 编码器 发电机(电路理论) 图像(数学) 钥匙(锁) 人工智能 注意力网络 模式识别(心理学) 计算机视觉 功率(物理) 物理 计算机安全 量子力学 电压 操作系统
作者
Hashem Parvin,Ahmad Reza Naghsh-Nilchi,Hossein Mahvash Mohammadi
出处
期刊:Engineering Applications of Artificial Intelligence [Elsevier]
卷期号:125: 106545-106545
标识
DOI:10.1016/j.engappai.2023.106545
摘要

Image captioning generates a human-like description for a query image, which has attracted considerable attention recently. The most broadly utilized model for image description is an encoder–decoder structure, where the encoder extracts the visual information of the image, and the decoder generates textual descriptions of the image. Transformers have significantly enhanced the performance of image description models. However, a single attention structure in transformers cannot consider more complex relationships between key and query vectors. Furthermore, attention weights are assigned to entire candidate vectors based on the assumption that entire vectors are related. In this paper, a new double-attention framework is presented, which improves the encoder–decoder structure to consider image captioning problems. Hence, a local generator module and a global generator module are designed to predict textual descriptions collaboratively. The proposed approach improves Self-Attention (SA) from two aspects to enhance the performance of image description. First, a Masked Self-Attention module is presented to attend on the most relevant information. Second, to evade a single shallow attention distribution and make deeper internal relations, a Hybrid Weight Distribution (HWD) module is proposed, that develops SA to use the relations between key and query vectors efficiently. Experiments over the Flickr30k and MS-COCO datasets prove that the proposed approach achieves desirable performance on different evaluation measures compared to the state-of-the-art frameworks.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
迪琛发布了新的文献求助10
刚刚
wenjing完成签到,获得积分10
2秒前
希望完成签到,获得积分10
2秒前
feilei完成签到,获得积分10
2秒前
Sardkee发布了新的文献求助30
2秒前
duxiao完成签到 ,获得积分10
2秒前
WTX完成签到,获得积分0
3秒前
3秒前
zylt50发布了新的文献求助10
3秒前
高高笑白完成签到,获得积分10
4秒前
科研通AI2S应助Singularity采纳,获得10
5秒前
Evan123完成签到,获得积分10
5秒前
噗噗完成签到,获得积分10
5秒前
-Me完成签到 ,获得积分10
6秒前
黄道婆完成签到 ,获得积分10
6秒前
6秒前
卡戎529完成签到 ,获得积分10
6秒前
小燚完成签到 ,获得积分10
8秒前
8秒前
微笑的觅夏完成签到 ,获得积分10
9秒前
大气石头完成签到,获得积分10
9秒前
蜗牛撵大象完成签到,获得积分10
10秒前
与我常在完成签到,获得积分10
10秒前
Anonymous完成签到,获得积分10
10秒前
愤怒的映萱完成签到,获得积分10
11秒前
pterionGao完成签到 ,获得积分10
12秒前
踏实天磊完成签到 ,获得积分10
12秒前
xlk2222完成签到,获得积分10
13秒前
无奈的凌寒完成签到,获得积分10
13秒前
Jim luo发布了新的文献求助10
13秒前
14秒前
HHH发布了新的文献求助10
14秒前
茕凡桃七完成签到,获得积分10
15秒前
yydump完成签到,获得积分10
15秒前
Pauline完成签到 ,获得积分10
17秒前
17秒前
炙热的若枫完成签到 ,获得积分10
18秒前
18秒前
想自由完成签到,获得积分10
18秒前
licheng完成签到,获得积分10
18秒前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052685
求助须知:如何正确求助?哪些是违规求助? 2709958
关于积分的说明 7418667
捐赠科研通 2354578
什么是DOI,文献DOI怎么找? 1246164
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595925