基于IndRNN与BN的深层图像描述模型

摘要：

现有图像描述模型存在解码端层次不深、训练效率低下的问题,且生成的描述语句在语言连贯性和内容多样性方面效果欠佳,为此,提出一种基于独立循环神经网络的深层图像描述模型Deep-NIC.采用独立循环神经元与批标准化方法构建解码单元,通过解码单元的多层叠加建立深层解码端.使用谷歌inception V3作为编码端,构建深层图像描述模型.在数据集MS COCO2014上进行对比实验,结果表明,与基线模型相比,Deep-NIC模型的BLEU-4、METEOR、CIDER评分分别提升3.2％、10.3％、8.18％,其更容易训练且具有更好的拟合效果.

关键词：图像描述;深层图像描述模型;深层解码端;独立循环神经网络;批标准化

所属期刊栏目：47

分类号：TP399(计算技术、计算机技术)

资助基金：国家自然科学基金青年基金项目"代理重加密在智能电网安全数据共享中的应用及关键技术研究"61802249

在线出版日期：2021-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：194-200