《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》

  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

《一种结合空间特征的图像注意力标注算法改进研究》

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

/%

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%。