神经字幕
该项目拍摄图像并生成合适的标题。 它使用两个CNN之一来提取图像特征，然后将其输入LSTM。 然后，LSTM逐字生成一个句子。 该项目基于使用TensorFlow 1.14的Python 3.7.4构建。 Inception_v3和VGG16是此项目中使用的两个预加密的CNN。 它使用Flickr30k数据集进行训练和测试。 对于Inception_v3，每个图像的大小调整为299 x 299像素，对于VGG16，图像的大小调整为224 x 224像素。
这是一个例子：
标题：一个街角，前面有灯
2022-12-29 17:02:27
166KB
1
对MSCOCO Captions数据进行指标评测的代码，包含各指标对应的jar库。官方提供的测评代码是python 2.7，这个版本支持python 3.x。
2021-11-01 18:14:51
105.54MB
1
图像字幕
CNN-LSTM神经网络，用于从图像生成字幕。 基于我为计算机视觉决赛所做的小组项目
2021-07-20 10:37:35
9KB
1