| 基于多重注意结构的图像密集描述生成方法研究EI北大核心CSCD |
| |
| 引用本文： | 刘青茹,李刚,赵创,顾广华,赵耀. 基于多重注意结构的图像密集描述生成方法研究EI北大核心CSCD[J]. 自动化学报, 2022, 48(10): 2537-2548. DOI: 10.16383/j.aas.c220093 |
| |
| 作者姓名： | 刘青茹 李刚 赵创 顾广华 赵耀 |
| |
| 作者单位： | 1.燕山大学信息科学与工程学院 秦皇岛 066004 |
| |
| 基金项目： | 国家自然科学基金(62072394), 河北省自然科学基金(F2021203019), 河北省重点实验室项目(202250701010046)资助 |
| |
| 摘 要： | 图像密集描述旨在为复杂场景图像提供细节描述语句.现有研究方法虽已取得较好成绩,但仍存在以下两个问题:1)大多数方法仅将注意力聚焦在网络所提取的深层语义信息上,未能有效利用浅层视觉特征中的几何信息;2)现有方法致力于改进感兴趣区域间上下文信息的提取,但图像内物体空间位置信息尚不能较好体现.为解决上述问题,提出一种基于多重注意结构的图像密集描述生成方法—MAS-ED (Multiple attention structure-encoder decoder). MAS-ED通过多尺度特征环路融合(Multi-scale feature loop fusion, MFLF)机制将多种分辨率尺度的图像特征进行有效集成,并在解码端设计多分支空间分步注意力(Multi-branch spatial step attention, MSSA)模块,以捕捉图像内物体间的空间位置关系,从而使模型生成更为精确的密集描述文本.实验在Visual Genome数据集上对MAS-ED进行评估,结果表明MASED能够显著提升密集描述的准确性,并可在文本中自适应加入几何信息和空间位置信息.基于长短期记忆网络(Longshort term memory, LSTM)解码网络框架, MAS-ED方法性能在主流评价指标上优于各基线方法.
|
| 关 键 词： | 图像密集描述 多重注意结构 多尺度特征环路融合 多分支空间分步注意力 |
| 收稿时间： | 2022-02-10 |
Dense Captioning Method Based on Multi-attention Structure |
| |
| Affiliation: | 1.School of Information Science and Engineering, Yanshan University, Qinhuangdao 0660042.Hebei Provincial Key Laboratory of Information Transmission and Signal Processing, Qinhuangdao 0660043.Institute of Information Science, Beijing Jiaotong University, Beijing 100044 |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 维普 等数据库收录！ |
| 点击此处可从《自动化学报》浏览原始摘要信息 |
|
点击此处可从《自动化学报》下载全文 |
|
