《表1 模型对比结果:多头注意力与语义视频标注》
将表1和表2进行对比,可以看到多头注意力带来的提升效果比单头的大。说明将原始信息映射到不同的线性子空间之后,通过注意力机制确实能够学习到更加关键的信息。在原始的S2VT模型上结合参数矩阵语义扩展带来的效果比文献[10]中的方式有微小提升,原因一方面可能是和后者编码视频信息的方式相比,序列到序列的方式将时序信息编码进了视频特征表示中,另一方面也有可能因为S2VT使用的双层LSTM网络比后者使用的单层LSTM网络解码效果好。
图表编号 | XD00133685400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.15 |
作者 | 石开、胡燕 |
绘制单位 | 武汉理工大学计算机学院、武汉理工大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |