《表4 3种视觉场景理解模型优缺点对比》

  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

《视觉场景理解综述》

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

分别对比基于搜索的视觉场景理解模型的Im2Text[6]；基于模板匹配的视觉场景理解模型的BabyText[8]；基于语言模型的视觉场景理解模型的Google NIC[17]和SAT[18]等4种典型方法的性能及人类自然描述Human，其中Google NIC模型没有使用注意力模型。实验中使用PASCAL VOC数据集[69]与SBU数据集[6]作为实验数据集，使用BLEU@4[62]准则作为评价准则，即判断连续4个词汇是否相似。具体对比结果如表5所示。