Image description method based on residual learning and dual-mode CAE

doi:10.13741/j.cnki.11-1879/o4.2021.01.017

您当前的位置：

首页 >

文章列表页 >

Image description method based on residual learning and dual-mode CAE

更新时间：2025-09-01

- Image description method based on residual learning and dual-mode CAE
- Vol. 47, Issue 1, Pages: 93-100(2021)
- 作者机构：
  
  1. 1:郑州经贸学院计算机与人工智能学院
  2. 2:河南理工大学计算机科学与技术学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2021.01.017
  CLC：
- Published：2021
- 稿件说明：
移动端阅览
Image description method based on residual learning and dual-mode CAE[J]. 2021, 47(1): 93-100.
DOI：

Image description method based on residual learning and dual-mode CAE[J]. 2021, 47(1): 93-100. DOI： 10.13741/j.cnki.11-1879/o4.2021.01.017.

摘要

针对传统图像描述方法存在提取图像关键信息精度不高、描述不准确等问题

提出了一种结合残差学习和双模态CAE的图像描述方法。提出一种新型双模态卷积自动编码器(CAE)结构

包括图像和文本两个输入

以及编码、隐藏层交互、解码等处理环节

完成对输入图像的文本描述;在经典CAE中加入残差学习

与CAE的卷积层构成深度残差网络(DRN)

增加了学习深度

以提高方法的准确率;将文本和图像的隐藏层进行交叉重构

以最小化损失函数为目的

训练得到图像-文本的关系

从而实现图像的描述。利用COCO和Flickr30k数据集对所提方法进行定性和定量的仿真实验

其结果论证了所提方法的有效性

与其他方法相比

评价指标Med r最低

且R@K(K=1

10)最高

运算时间仅为0.183s

能够更为精准地描述图像。

Abstract

关键词

Keywords

references

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

PET image denoising based on residual U-Net neural network and DIP

A multi-scale parallel residual network for image dehazing

Related Author

黄兴

杨瑞梅

张鑫

娄小平

黄子岩

张文玥

Related Institution

1:重庆邮电大学移通学院大数据与软件学院

2:重庆师范大学涉外商贸学院大数据与智能工程学院

1:北京信息科技大学光电测试技术北京市重点实验室

⁰