咭咭熊的博客

目录 一、贡献 1.主要思想 2. 现有研究方法对比 二、实现过程 1.无监督模型架构 2.模型流程 3.模型构成 4. 训练过程 5. 初始化 三、实验结果及示例 四、结论 一、贡献 我们首次尝试在不依赖任何标记的图像对的情况下进行无监督的图像字幕。 我们提出了三个目标来训练图像字幕模型。 我们提出了一种新的模型初始化管道。通过利用视觉概念检测器，我们为每个图像生成一个伪标题，并使用伪图像-句子对初始化图像字幕模型。 我们从Web中抓取了一个由超过200万个句子组成的...