- 3
- 0
- 约3.94万字
- 约 40页
- 2023-11-20 发布于广东
- 举报
摘 要
- PAGE II -
用于视觉识别和描述的递归卷积
网络的研究
摘 要
基于深卷积网络的模型已经主导了最近的图像解释任务,我们研究了重复出现的模型对于涉及序列、视觉和其他方面的任务是否有效.我们描述了一类可端到端训练、适合于大规模视觉理解任务的循环卷积结构,并论证了这些模型在活动识别、图像字幕和视频描述方面的价值.与以前假定固定视觉表示或执行简单时间平均以进行顺序处理的模型不同,循环卷积模型具有“双层深度”,因为它们在空间和时间中学习组合表示.当非线性被纳入网络状态更新时,学习长期依赖是可能的.可区分的循环模型具有吸引力,因为它们可以直接将可变长度输入(例如视频)映射
原创力文档

文档评论(0)