浅谈 image caption 相关知识点 及 优秀链接

框架

encoder-decoder

1. 中间向量 长度是固定的（缺陷）
   ( 语义向量无法完全表示整个序列的信息，先输入的内容携带的信息会被后输入的信息稀释掉 )
2. 输入信息 太长，会丢失信息（缺陷）

Seq2Seq

1. 输入 输出 序列长度可变
2. • 输入输出 固定长度，长度稍微变化，补零

encoder-decoder & Seq2Seq

1. Seq2Seq 属于 Encoder-Decoder 的大范畴
2. Seq2Seq 更强调目的，Encoder-Decoder 更强调方法

Attention

1. 解决 信息过长，信息丢失
2. Encoder 不将 输入序列编码 为固定长度 的中间向量C，
3. 编码成向量序列

生成顺序：

1. 解决输入输出是固定长度，长度有变化，补零： Seq2Seq
2. 解决中间向量固定：Attention

优化

1. SGD（minibatch stochastic gradient descent）：负责采样
2. Adadelta：负责优化下降方向

改进

1. attention机制
2. visual sentinel 哨兵机制
3. CNN改进
4. 强化学习训练模型
5. 目标检测

图片出自：Image2Caption

优秀论文解析链接

Knowing When to Look: Adaptive Attention via A Visual Sentinel for Image Captioning --------文章 1（内含代码链接） ------- 文章 2

代码复现 - 单文

Bottom-Up and Top-Down Attention for Image Captioning and Visual Question Answering
Show, Attend and Tell: Neural Image Caption Generation with Visual Attention