Empirical autopsy of deep video captioning encoder-decoder architecture

Contemporary deep learning based video captioning methods adopt encoder-decoder framework. In encoder, visual features are extracted with 2D/3D Convolutional Neural Networks (CNNs) and a transformed version of those features is passed to the decoder. The decoder uses word embeddings and a language m...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Array (New York) Jg. 9; S. 100052
Hauptverfasser: Aafaq, Nayyer, Akhtar, Naveed, Liu, Wei, Mian, Ajmal
Format: Journal Article
Sprache:Englisch
Veröffentlicht: Elsevier Inc 01.03.2021
Elsevier
Schlagworte:
ISSN:2590-0056, 2590-0056
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!