返回
Continual Learning for Image Captioning in Hindi
DOI:10.1145/3749641.png)
摘要
En 中文
持续学习,又称增量学习或终身学习,是一种学习范式,使智能体能够在不损害先前所学知识保留的情况下获取新信息。持续学习研究已产生多种防止深度神经网络灾难性遗忘的方法。显然,循环模型的持续学习从未被用于解决印地语的图像描述问题。本研究提出了一种新颖的方法,在生成印地语图像描述的背景下应用持续学习。鉴于其在南亚的广泛使用以及在印度的官方地位,印地语在全球范围内排名第三。我们系统地研究了基于长短期记忆(LSTM)和门控循环单元(GRU)模型的图像描述持续学习。在持续图像描述问题中,我们采用了一种基于注意力的方法,明确解决了词汇的瞬态特性。使用MS-COCO数据集,我们采用我们的方法来解决增量图像描述问题。我们的发现表明,所提出的方法可以按顺序学习五个描述任务,而不会忘记已经学过的任务。
Keyword:
Continual learning
hindi
image captioning
attention
期刊
机构
引用论文
Towards Accurate Text-based Image Captioning with Content Diversity Exploration通过内容多样性探索实现准确的基于文本的图像字幕

