Nov, 2016

循环图片注释的语义正则化

PDF
TL;DR本文研究为了改进多标签分类与图像标注任务中 CNN-RNN 设计模式，在 CNN 与 RNN 之间引入一个有着语义规范化的嵌入层，以分离学习任务并使得训练更加高效。实验证明，该模式取得了多标签分类与图像标注任务的最新成果。
cnn-rnnimage annotationmulti-label classificationcaptioninginterface
发现论文，激发创造
  • CNN-RNN：一种多标签图像分类的统一框架

    本文提出了一种基于卷积神经网络和循环神经网络的框架，用于多标签图像分类，通过学习图像标签嵌入特征，显式地利用了图像标签之间的关联性，拥有较好的分类性能。

    Apr, 2016

  • 利用循环神经网络修正卫星图像分类地图

    本研究提出了一种迭代增强算法，它能够通过训练循环神经网络来直接学习迭代过程，从而有效地改善卫星图像分类地图的质量。

    Aug, 2016

  • 基于循环神经网络的关系分类

    本文提出了一种基于循环神经网络的简单框架，并将其与基于卷积神经网络的模型进行比较。该模型在处理句子关系分类问题时具有学习长距离依赖关系模式的优点，并在使用 MIMLRE 数据集的实验中表现出优异的性能。

    Aug, 2015

  • CNN+CNN：用于图像字幕生成的卷积解码器

    本文在图像字幕生成方面，提出了一种仅利用卷积神经网络生成字幕的框架，通过并行计算，训练速度比基于 LSTM 的模型快 3 倍，同时在 MSCOCO 图像字幕数据集上获得了比 LSTM 更高的评估得分。

    May, 2018

  • 基于卷积神经网络的图像字幕语言的实证研究

    本研究介绍了一种基于卷积神经网络的语言模型，适用于统计语言建模任务，在图像字幕生成中表现出竞争性能。相比以前的模型，它使用所有先前的单词进行训练，可以模拟历史单词的长期依赖性，这对图像字幕生成至关重要。该方法在 MS COCO 和 Flickr30K 两个数据集上进行了验证，实验结果显示，相较于基于循环神经网络的语言模型表现更佳，且具有竞争性的最先进技术。

    Dec, 2016

  • 零样本识别中的语义一致性正则化

    探讨了语义在零样本学习中的作用，通过对监督形式的分析，发现一个新的卷积神经网络框架，用语义作为识别的约束，通过引入基于损失和密码字的正则化来提高分类效果。

    Apr, 2017

  • 卷积分层递归神经网络学习上下文依赖关系

    该研究提出了一种基于深度卷积神经网络和分层递归神经网络的图像分类模型，以更好地编码图像区域之间的空间和比例依赖关系，从而取得了在四个具有挑战性的目标 / 场景图像分类基准测试中最先进的结果。

    Sep, 2015

  • 多模态循环神经网络（m-RNN）实现的深度字幕生成

    本文提出了一种基于多模态循环神经网络的模型，用于生成图像标题，并在四个基准数据集上验证了该模型的有效性。

    Dec, 2014

  • 设计地观测图像语义分割神经网络时需考虑的技术因素综述

    综述论文提供了设计用于地球观测影像语义分割的神经网络所涉及的技术因素的全面评述，包括卷积神经网络、递归神经网络、生成对抗网络和变换器模型等相关设计模式，以及数据预处理技术，为研究人员和实践者提供了全面和最新的设计有效的神经网络用于地球观测影像语义分割的因素。

    Aug, 2023

  • 卷积神经网络进行高分辨率语义标记

    本文介绍卷积神经网络在图像语义分割领域的应用，通过深入研究相关架构，提出了更加高效和灵活的 CNN 框架，能够在高分辨率航空影像语义分割任务中取得更好的性能表现。

    Nov, 2016