Guiding the Long-Short Term Memory Model for Image Caption Generation

指导长时记忆以生成图像字幕 摘要：在这项工作中，我们专注于图像标题生成的问题。 我们提出了长期短期记忆（LSTM）模型的扩展，简称为gLSTM。 特别是，我们将从图像中提取的语义信息作为额外输入添加到LSTM块的每个单元中，目的是将模型引向更紧密地耦合到图像内容的解决方案。 此外，我们探索了用于波束搜索的不同长度归一化策略，以防止偏爱短句。 在各种基准数据集（例如Flickr8K，Flickr30

>>阅读原文<<