计算机应用

作者：赵宏, 孔东一

单位：兰州理工大学 计算机与通信学院, 兰州 730050

关键词：图像内容中文描述,注意力机制,深度学习,卷积神经网络,循环神经网络

基金：国家自然科学基金资助项目（51668043，61262016）。

针对现有基于注意力机制的图像内容中文描述模型无法在关注信息不减弱和无缺失的条件下对重点内容进行注意力加强关注的问题，提出一种图像特征注意力与自适应注意力融合的图像内容中文描述模型。模型使用编解码结构，首先在编码器网络中提取图像特征，并通过图像特征注意力提取图像全部特征区域的注意力信息；然后使用解码器网络将带有注意力权重的图像特征解码生成隐藏信息，以保证关注信息不减弱、无缺失；最后利用自适应注意力的视觉哨兵模块对图像特征中的重点内容进行再次加强关注，从而更加精准地提取图像的主体内容。使用多种评价指标（BLEU、METEOR、ROUGEL和CIDEr）进行模型验证，将所提模型与单一基于自适应注意力和基于图像特征注意力的图像描述模型进行对比实验，该模型的CIDEr评价指标值分别提高了10.1%和7.8%；同时与基线模型NIC（Neural Image Caption ）以及基于自底向上和自顶向下（BUTD）注意力的图像描述模型相比，该模型的CIDEr评价指标值分别提高了10.9%和12.1%。实验结果表明，所提模型的图像理解能力得到了有效提升，其各项评价指标得分均优于对比模型。

来源：2021年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第9期