Image-Captioning-with-Autoencoders:一种低资源无监督图像字幕解决方案，通过使用自动编码器进行图...

使用自动编码器的图像字幕 在这个项目中，我们的目标是使用自编码器和 SVM 的组合为图像添加字幕。 为此，我们使用标题为 MS-COCO 数据集的子集进行训练。 这是在三个董事会阶段实现的： A. 使用自动编码器进行特征提取 在这个阶段，我们使用卷积自动编码器将图像压缩到更小的特征空间中。 自编码器将原始图像 (200px x 200px RGB) 最小化为更小的特征空间。 它还通过从较小的特征空间重建图像并应用梯度下降来重新调整权重来最小化损失。 B. 使用在自动编码器特征上训练的 SVM 进行标签预测 一旦自动编码器经过训练，就会为训练和测试集提取新特征。 然后使用训练数据特征对SVM模型进行训练，并制作标签谓词以确定测试图像的类别。 C. 使用最近邻算法的字幕预测 最后，最近邻算法用于在预测类别中找到 K=5 个最近的图像。 最合适的标题是从类中确定的 5 个最近邻居的标题中确定的。