메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
장지호 (한국전자통신연구원)
저널정보
대한전자공학회 대한전자공학회 학술대회 2020년도 대한전자공학회 하계종합학술대회 논문집
발행연도
2020.8
수록면
1,324 - 1,327 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
이미지 캡셔닝은 주어진 이미지를 가장 잘 설명하는 문장을 생성하는 문제로서 최근에는 bottom-up 및 top-down attention 및 트랜스포머 구조의 조합이 널리 사용되고 있다. 트랜스포머는 자연어 처리와 같은 시퀀스-시퀀스 전환에서 사용되는 것으로 이를 이미지 캡셔닝에서제성능을 향상시키기 위해 다양한 방법이 제안되었다. 이 논문에서는 기존의 자연어 처리를 위한 트랜스포머의 위치 인코딩(posional encoding)과 같은 어텐션 모듈(attention module)을 대체하기 위해 검출된 객체 사이의 관계 인코딩을 사용하여 성능을 향상하고자 한다.
검출된 물체 사이의 관계를 사용하는 방법이 정량적 및 정성적 평가를 통해 이미지 캡셔닝 결과에 어떻게 영향을 미치는지 확인하고 트렌스포머 구조를 사용할 때 성능을 개선하는 방법을 제안하고자 한다.
이 논문에서는 Facebook에서 시퀀스 모델링 툴킷으로 제공되는 FAIRSEQ를 기반으로 MS-coco 2014 캡션 데이터 세트를 사용하여 실험을 수행하여, 다양한 관계를 사용하여 인코딩을 적용한 결과, 정량적 평가에서 개선이 기본 트랜스포머 위치 인코딩보다 크지 않지만 정성적 평가에서 이미지가 훨씬 잘 설명됨을 확인하였다.

목차

Abstract
Ⅰ. 서론
Ⅱ. 관계 인코딩을 사용하는 트랜스포머
Ⅲ. 실험 및 결과
Ⅳ. 결론 및 향후 연구 방향
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

인공지능에 기반한 저시력인을 위한 음성 지원 앱의 개발
이소라 ,  신현경 ,  안세아 외 1명 디지털콘텐츠학회논문지 2020 .02

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2020-569-001132216