.png){kind=icon}
返回
Module-Pruning-Based Neural Architectural Search for Remote Sensing Image Captioning
.png){kind=icon}
PRE
AI
DOI：10.1109/LGRS.2025.3593475.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
遥感图像字幕生成（RSIC）已因其通过文本描述增强航空影像可解释性而引起广泛关注。传统方法采用卷积神经网络（CNN）进行视觉特征提取，并与循环神经网络（RNN）或Transformer结合用于字幕生成。然而，这些架构存在高复杂度和计算成本问题。尽管通过网络剪枝的神经架构搜索（NAS）已得到广泛研究，但针对RSIC系统的模块化剪枝仍鲜有探索。我们提出了一种新颖的专用解码器剪枝方法——一种面向端到端编码器-解码器架构适配的模块化剪枝方法。该方法包含两项关键创新：1）对预训练的ResNet编码器和Transformer编码器-解码器组件进行结构化剪枝；2）采用基于交叉熵的字幕匹配策略替代解码器最终层的常规预测训练。所提方法能够在不牺牲性能的前提下，同时提升推理效率并减少存储需求。经RSICD数据集上的CIDEr、ROUGE、METEOR、双语评估替代（BLEU）和Sm指标评估，该方法实现了42.8%的模型尺寸缩减，同时提高了准确率，在高效RSIC领域建立了新的基准。
Keyword:
Model complexity
module-pruning
multimodal
neural architecture search (NAS)
remote sensing image captioning (RSIC)
transformer
期刊
IF:
16.4
论文数:
1.0W
被引数:
5.1K
机构
引用论文
Interacting-Enhancing Feature Transformer for Cross-Modal Remote-Sensing Image and Text Retrieval用于跨模态遥感图像和文本检索的交互增强特征转换器
.png){kind=icon}
PREAI
分享收藏
分享收藏
A ResNet-101 deep learning framework induced transfer learning strategy for moving object detection
PREAI
分享收藏Language Integration in Remote Sensing: Tasks, datasets, and future directions遥感中的语言集成: 任务，数据集和未来方向
PREAI
分享收藏
查看更多内容