《表1 注意力模型比较:一种结合空间特征的图像注意力标注算法改进研究》
/%
如表1所示的结果,对Flickr30k和MS-COCO的数据集,使用M表示METEOR指标,用C表示CIDEr指标。与没有加入空间特征注意力模型的算法进行比较,本文融入空间注意力模型局部性能上稍优于其他注意模型。在Flickr30k数据集上,CIDEr得分值从0.248提高至0.255;在MS-COCO数据集得分值为从0.987提升至0.990。在MS-COCO数据集中,本文方法BLEU-4得分从0.326提高到0.331,METEOR从0.250到0.257。标注模型BLEU指标相比基线有所提升。模型在Flickr30k BLEU-1评分提升(0.671-0.668)/0.668≈0.4%;MS-COCO BLEU-2评分提升(0.570-0.547)/0.547≈4.2%。从表1可以看出,在准确率方面本文方法有较好的标注效果,在Flickr30k数据集下,经过训练和随机局部结果抽样比对提升了19.2%;在MS-COCO数据集下提升有2.1%。
图表编号 | XD0035703100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 徐守坤、周佳、李宁、石林 |
绘制单位 | 常州大学信息科学与工程学院、常州大学数理学院、常州大学信息科学与工程学院、常州大学数理学院、常州大学信息科学与工程学院、常州大学数理学院、福建省信息处理与智能控制重点实验室(闽江学院)、常州大学信息科学与工程学院、常州大学数理学院 |
更多格式 | 高清、无水印(增值服务) |