image caption问题为什么需要spatial attention

参考论文: SCA-CNN: Spatial and Channel-wise Attention in Convolutional Networks for Image Captioning image caption是一个image to text的问题,例如图一中需要生成的下一个词我们通过观察可以知道是cake,大概来讲我们人类是如何知道的呢?首先根据文本上下文确定我们要观察的区域,然后只需
相关文章
相关标签/搜索