《表1 模型对比结果：多头注意力与语义视频标注》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《多头注意力与语义视频标注》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。