• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>5th workshop on vision and language >Exploring Different Preposition Sets, Models and Feature Sets in Automatic Generation of Spatial Image Descriptions
【24h】

Exploring Different Preposition Sets, Models and Feature Sets in Automatic Generation of Spatial Image Descriptions

机译：在自动生成空间图像描述中探索不同的介词集，模型和特征集

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper we look at the question of how to create good automatic methods for generating descriptions of spatial relationships between objects in images. In particular, we investigate the impact of varying different aspects of automatic method development, including using different preposition sets, models and feature sets. We find that optimising the preposition set improves previous best Accuracy from 46.2 to 50.2. Feature set optimisation further improves best Accuracy from 50.2 to 53.25. Naive Bayes models outperform SVMs and decision trees under all conditions tested. The utility of individual features depends on the model used, but the most useful features tend to capture a property pertaining to both objects jointly.
机译：在本文中，我们着眼于如何创建良好的自动方法来生成图像中对象之间空间关系的描述的问题。特别是，我们研究了自动方法开发的不同方面的影响，包括使用不同的介词集，模型和功能集。我们发现优化介词集可以将以前的最佳准确性从46.2提高到50.2。功能集优化进一步将最佳精度从50.2提高到53.25。在所有测试条件下，朴素贝叶斯模型均优于SVM和决策树。各个要素的效用取决于所使用的模型，但是最有用的要素往往会共同捕获与两个对象有关的属性。

著录项

  • 来源
  • 会议地点 Berlin(DE)
  • 作者

    Adrian Muscat; Anja Belz; Brandon Birmingham;

  • 作者单位

    Communications Computer Engineering University of Malta Msida MSD 2080, Malta;

    Computing, Engineering and Maths University of Brighton Lewes Road, Brighton BN2 4GJ, UK;

    Communications Computer Engineering University of Malta Msida MSD 2080, Malta;

  • 会议组织
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号