STAT: Spatial-Temporal Attention Mechanism for Video Captioning

Video captioning refers to automatic generate natural language sentences, which summarize the video contents. Inspired by the visual attention mechanism of human beings, temporal attention mechanism has been widely used in video description to selectively focus on important frames. However, most exi...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on multimedia Ročník 22; číslo 1; s. 229 - 241
Hlavní autoři:	Yan, Chenggang, Tu, Yunbin, Wang, Xingzheng, Zhang, Yongbing, Hao, Xinhong, Zhang, Yongdong, Dai, Qionghai
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Piscataway IEEE 01.01.2020 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Cider Coders Convolutional neural networks Decoding encoder-decoder neural networks Encoders-Decoders Feature extraction Fuses Neural networks Performance evaluation Semantics Sentences spatial-temporal attention mechanism Video captioning Video data Visualization
ISSN:	1520-9210, 1941-0077
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!