基于Attention自动编码机制的图像自动评论方法研究

发布时间:2022-01-03 14:43
  随着电子商务的普及,在线旅游、在线购物等也随之蓬勃发展。越来越多的消费者依据自己的消费经验通过网络对产品或服务发表评论。对于在线旅游或者在线购物网站,网站上的图像至关重要。商家需要通过学习用户发表的评论来推测用户的喜好和购物心理,在此基础上设计宣传图像。此背景下,本文做了学术性探究,尝试对图像进行自动评论,首次提出图像自动评论模型。在现实场景中,用户对图像的判断主观性很强,难以形成统一的评价标准。因此本文使用深度学习方法,去挖掘影响用户判断的图像属性,以及如何有效融合这些属性对图像进行评价。本文拟实现的图像自动评论算法是计算机视觉、自然语言处理与机器学习的交叉研究方向。本文的模型可以模拟用户对拍摄的图像自动生成简短评论,以便于商家根据用户的喜好对图像进行调整。本文的主要工作有:1、借鉴图像描述的方法和模型,本文首次提出图像简短评论模型,参考编码器-解码器模型算法,同时加入Attention自动编码机制来构建本文的图像自动评论模型。使用本文制作的图像评论数据集对模型进行训练调参,对拍摄的照片自动生成简短的评论。同时,基于BLEU、CIDEr等评价指标对模型进行调整以达到最佳效果。2、本文... 

【文章来源】:江西师范大学江西省

【文章页数】:49 页

【学位级别】:硕士

【部分图文】:

基于Attention自动编码机制的图像自动评论方法研究


图像描述实例图

传统方式,机器学习


学习概述器学习年中,机器学习为我们提供了自动驾驶汽车,实以及对人类基因组的大大改进。机器学习如今已经个学科其中包括计算机学科、工程技术和统计学序设计当中,人们输入到系统中的是程序也可以说理数据,系统输出的是对应的答案。但是机器学习们预期得到的答案,系统根据这些输出其规则。这据上,从而达到计算机去自主生成答案的目标。机出来的,而不是用明确的程序编写出来的。把很多机器学习系统中,它会在这些输入的例子当中找到的规则,实现任务自动化。

机器学习,快速发展,20世纪90年代,硬件


机器学习为我们提供了自动驾驶汽车,实以及对人类基因组的大大改进。机器学习如今已经个学科其中包括计算机学科、工程技术和统计学序设计当中,人们输入到系统中的是程序也可以说理数据,系统输出的是对应的答案。但是机器学习们预期得到的答案,系统根据这些输出其规则。这据上,从而达到计算机去自主生成答案的目标。机出来的,而不是用明确的程序编写出来的。把很多机器学习系统中,它会在这些输入的例子当中找到的规则,实现任务自动化。图 2-1 传统方式

【参考文献】:
期刊论文
[1]MFSR: Maximum Feature Score Region-based Captions Locating in News Video Images[J]. Zhi-Heng Wang,Chao Guo,Hong-Min Liu,Zhan-Qiang Huo.  International Journal of Automation and Computing. 2018(04)
[2]基于概念器的深度神经网络模型[J]. 钱光武,张蕾,王炎.  中国科学:信息科学. 2018(05)
[3]基于CNN-RNN深度学习的图片描述方法与优化[J]. 陈虹君,罗福强,赵力衡,张杰,李瑶.  湘潭大学自然科学学报. 2018(02)
[4]基于深度学习的图像描述研究[J]. 杨楠,南琳,张丁一,库涛.  红外与激光工程. 2018(02)
[5]基于连续Skip-gram及深度学习的图像描述方法[J]. 曹刘彬,张丽红.  测试技术学报. 2017(05)
[6]基于注意机制编码解码模型的答案选择方法(英文)[J]. Yuan-ping NIE,Yi HAN,Jiu-ming HUANG,Bo JIAO,Ai-ping LI.  Frontiers of Information Technology & Electronic Engineering. 2017(04)
[7]图像理解中的卷积神经网络[J]. 常亮,邓小明,周明全,武仲科,袁野,杨硕,王宏安.  自动化学报. 2016(09)
[8]基于词向量特征的循环神经网络语言模型[J]. 张剑,屈丹,李真.  模式识别与人工智能. 2015(04)
[9]基于概念级语义的图像描述与识别[J]. 任越美,程显毅,李小燕,谢玉宇.  计算机科学. 2008(07)
[10]一种基于变异灰度直方图的视频字幕检测定位方法[J]. 张佑生,彭青松,汪荣贵.  电子学报. 2004(02)



本文编号:3566454

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3566454.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户534df***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com