公开(公告)号：CN110046226B

公开(公告)日：2021-09-24

申请号：CN201910306242.6

申请日：2019-04-17

Applicant: 桂林电子科技大学

Inventor： 莫建文 ,  王少晖 ,  欧阳宁 ,  林乐平 ,  袁华 ,  首照宇 ,  张彤 ,  陈利霞 ,  肖海林

IPC: G06F16/33 ,  G06F40/30 ,  G06F40/44 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于分布词向量CNN‑RNN网络的图像描述方法，其特征在于，包括如下步骤：1）分布表示词向量的生成；2）分布表示标签的生成；3）分布表示语义标签的生成；4）网络设计；5）生成图像的描述性语句。这种方法引入到原本的CNN‑RNN网络模型中使其可生成更精确的结果、使CNN子网提供给RNN子网更丰富的语义内容，使得整个CNN‑RNN网络模型依然能够保持结构化的优点，这种方法中低维稠密的分布表示可以轻松地嵌入海量词语构成完整的语义空间、视觉内容能够更好实现到语义空间的映射，基于分布表示词向量设计的监督信号能更准确的概括视觉内容和更充分的利用向量空间监督CNN优化方向。

公开(公告)号：CN110046226A

公开(公告)日：2019-07-23

申请号：CN201910306242.6

申请日：2019-04-17

Applicant: 桂林电子科技大学

Inventor： 莫建文 ,  王少晖 ,  欧阳宁 ,  林乐平 ,  袁华 ,  首照宇 ,  张彤 ,  陈利霞 ,  肖海林

IPC: G06F16/33 ,  G06F17/27 ,  G06F17/28 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于分布词向量CNN-RNN网络的图像描述方法，其特征在于，包括如下步骤：1）分布表示词向量的生成；2）分布表示标签的生成；3）分布表示语义标签的生成；4）网络设计；5）生成图像的描述性语句。这种方法引入到原本的CNN-RNN网络模型中使其可生成更精确的结果、使CNN子网提供给RNN子网更丰富的语义内容，使得整个CNN-RNN网络模型依然能够保持结构化的优点，这种方法中低维稠密的分布表示可以轻松地嵌入海量词语构成完整的语义空间、视觉内容能够更好实现到语义空间的映射，基于分布表示词向量设计的监督信号能更准确的概括视觉内容和更充分的利用向量空间监督CNN优化方向。