《表4 Flickr30K数据集中各种图像特征在图像推荐算法的对比实验》
在本实验中,利用所有的描述短句训练出500主题的潜在语义分析主题模型,用于产生文本的特征向量。与3.1节的实验一样,本节实验也使用了预训练inception v3网络中的fc特征以及mixed9特征来作为多层次预训练图像特征。融合算法中所使用的MLPfc,mixed9和用于对比实验的MLPfc的具体结构和训练细节也与搜狐数据集实验保持一致,已在3.1节给出。最终则能利用29 783幅训练图像和对应的描述短句,有监督地对MLPfc,mixed9和MLPfc的网络参数进行训练。在本数据集中,各种图像特征在图像推荐算法中的对比实验结果如表4所示。从表4可以看到,与3.1节的实验结果不一样,fc+mixed9特征的大部分recall@K表现相比于fc特征要差,证明噪声特征在该数据集中有很严重的不利影响。而MLPfc,mixed9融合图像特征相比于fc特征,尽管在recall@1的表现上有下降,但是其在recall@5,10的表现更优,其中recall@10表现有1.0的提升。因此,本文方法在Flickr30K数据集中也是有效的。
图表编号 | XD00133943000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 郝志峰、李俊峰、蔡瑞初、温雯、王丽娟、黎伊婷 |
绘制单位 | 广东工业大学计算机学院、佛山科学技术学院数学与大数据学院、广东工业大学计算机学院、广东工业大学计算机学院、广东工业大学计算机学院、广东工业大学计算机学院、广东工业大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |