《表2 Attention模型和AFAR生成的描述对比》
提示：宽带有限、当前游客访问压缩模式
选取测试集中的图像，如图6所示，使用同等条件下训练的Attention模型和AFAR进行测试，测试生成的描述语句对比结果如表2所示。
| 图表编号 | XD00163214400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.07.10 |
| 作者 | 韦人予、蒙祖强 |
| 绘制单位 | 广西大学计算机与电子信息学院、广西大学计算机与电子信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 分类结果性能比较：基于CNN和BiGRU-Attention模型的心律异常判别研究》2021.02.01
- 《表1 加入attention机制的网络模型》2021.02.01
- 《表4 RGBD和对比模型生成回复示例》2021.02.05
- 《表3 生成样本性能对比：面向恶意网页训练数据生成的GAN模型》2021.03.15
- 《表4 评价结果对比：计及电价和Attention机制的LSTM短期负荷预测模型》2020.11.30
- 《表1 烟气计算参数：计及电价和Attention机制的LSTM短期负荷预测模型》2020.11.30
- 《表1 模型消融测试结果：面向新概念学习的图像描述生成模型》2020.12.10
- 《表2 ATTENTION-BiLSTM-CRF模型的超参数设置》2020.10.10
- 《表4 模型对比实验结果：基于级联卷积和Attention机制的情感分析》2020.06.25
- 《表1 Attention模型和AFAR的评价结果》2020.07.10
- 《表2 测试结果对比：基于BiGRU-CNN-Attention模型的股市评论情感分析》2020.04.25
- 《表3 Attention-Based LSTM模型与SVM、LSTM模型的对比实验结果》2020.02.20
- 《表2 3种模型生成过程对比分析》2019.12.01
- 《表2 两种身管有限元模型生成方法的时间对比》2020.03.25
- 《表2 多种模型生成网络与现实共词网络的整体参数对比》2020.01.24
- 《表3 不同模型分类结果：基于CNNGRU-Attention模型的文本情感分析》2019.09.25
- 《表2 模型参数设置：基于CNNGRU-Attention模型的文本情感分析》2019.09.25
- 《表1 模型参数：基于word2vec和Attention-Seq2Seq的水稻病虫害智能问答方法研究》2019.06.01
- 《表2 数据集划分：基于Bi-LSTM-Attention模型的人体行为识别算法》2019.08.10
- 《表2 模型参数设置：基于BiGRU-attention神经网络的文本情感分类模型》2019.12.01