Semantics-AssistedVideoCaptioning:计划抽样策略训练的语义辅助视频字幕模型的源代码-tensor...

计划抽样策略训练的语义辅助视频字幕模型 目录 描述 此回购包含基于论文“”的。 《机器人与人工智能前沿》正在对此进行审查。 我们提出了三种改善视频字幕模型的方法。 首先，我们利用空间特征和动态时空特征作为语义检测网络的输入，以便为视频生成有意义的语义特征。 然后，我们提出了一种计划抽样策略，该策略逐渐将培训阶段从教师的指导方式转变为更加自我的教学方式。 最后，通过句子长度来利用普通对数概率损失函数，从而减轻了句子的短倾斜度。 我们的模型在Youtube2Text数据集上获得了最新的结果，并且与MSR-VTT数据集上的最新模型具有竞争优势。 我们模型的整体结构如下所示 。 这是我们的模型生成的一些标题。 如果您需要更新和更强大的模型，请参阅“ 。 依存关系 Python3.6 TensorFlow 1.13 NumPy 斯克莱恩 pycocoevalcap（Python3） 手