基于X-Linear和語義嵌入的視頻描述算法
所屬分類：技術(shù)論文
上傳者：zhoubin333
文檔大?。?span>608 K
標(biāo)簽： 視頻描述 語義嵌入 X-Linear注意力
所需積分：0分積分不夠怎么辦？
文檔介紹：注意力機(jī)制和視頻語義嵌入使得視頻描述任務(wù)取得了顯著的提升，為更好地利用時(shí)序動(dòng)態(tài)特征和語義信息，提出一種基于X-Linear的語義嵌入視頻描述算法(X-Linear Semantic Embedding Network，XLSNet)。該算法以基于編碼解碼器網(wǎng)絡(luò)為基礎(chǔ)，使用X-Linear注意力模塊對視頻特征進(jìn)行編碼，該模塊使用雙線性池化來增加視頻時(shí)序特征的高階交互，最終提取豐富的時(shí)序動(dòng)態(tài)特征；為充分利用視頻語義信息，使用語義嵌入的GRU和X-Linear作為解碼器對視頻描述進(jìn)行生成。為防止過擬合現(xiàn)象，對解碼器的GRU使用了層歸一化和變分Dropout。所提出的算法僅僅使用了視頻幀特征，在公開視頻描述數(shù)據(jù)集MSVD上取得了很好的效果。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。