Deep visual-semantic alignments for generating image descriptions

We present a model that generates natural language descriptions of images and their regions. Our approach leverages datasets of images and their sentence descriptions to learn about the inter-modal correspondences between language and visual data. Our alignment model is based on a novel combination...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) s. 3128 - 3137
Hlavní autoři:	Karpathy, Andrej, Fei-Fei, Li
Médium:	Konferenční příspěvek Journal Article
Jazyk:	angličtina
Vydáno:	IEEE 01.06.2015
Témata:	Alignment Annotations Context modeling Convolutional neural networks Descriptions Grounding Image segmentation Mathematical models Natural languages Pattern recognition Recurrent neural networks Retrieval Sentences Training Vectors Visualization
ISSN:	1063-6919, 1063-6919
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!