初次接觸Captioning的問題，第一印象就是Andrej Karpathy好聰明。主要從他的兩篇文章開始入門， Deep Fragment Embeddings for Bidirectional Image Sentence Mapping 和 Deep Visual Semantic Alignments for Generating Image Descriptions 。基本上，第一篇 ...
2016-11-19 23:51 7 8791 推薦指數：
Bottom-Up and Top-Down Attention for Image Captioning and Visual Question Answering-閱讀總結 筆記不能簡單的抄寫文中的內容，得有自己的思考和理解。 一、基本信息 \1.標題：Bottom-Up ...
論文的重點在於后面approximation部分。 在《Rank Pooling》的論文中提到，可以通過訓練RankSVM獲得參數向量d，來作為視頻幀序列的representation。而在dynamic論文中發現，這樣的參數向量d，事實上與image是同等大小的，也就是說，它本身是一張 ...
Image Caption: Automatically describing the content of an image domain:CV+NLP Category:(by myself, you can read the survey for detail.) CNN+RNN ...
Show and Tell: A Neural Image Caption Generator-閱讀總結 筆記不能簡單的抄寫文中的內容，得有自己的思考和理解。 一、基本信息 標題 作者 作者單位 發表期刊/會議 發表時間 ...
Meshed-Memory Transformer for Image Captioning 一句話復盤：我們提出了對self-attention增加記憶槽以引入高層信息的特征向量結構，和基於兩重cross-attention作權重的encoder和decoder全連接結構 ...
目的： 提升深度神經網絡的性能。 一般方法帶來的問題： 增加網絡的深度與寬度。 帶來兩個問題： （1）參數增加，數據不足的情況容易導致過擬合 （2）計算資源要求高，而且在訓練過程中會 ...
這是期刊論文的版本，不是會議論文的版本。看了論文之后，只能說，太TM聰明了。膜拜~~ 視頻的表示方法有很多，一般是把它看作幀的序列。論文提出一種新的方法去表示視頻，用ranking function的參數編碼視頻的幀序列。它使用一個排序函數（ranking function）主要 ...
視頻描述 顧名思義視頻描述是計算機對視頻生成一段描述，如圖所示，這張圖片選取了一段視頻的兩幀，針對它的描述是"A man is doing stunts on his bike"，這對在線的視頻的檢 ...
