مقاله انگلیسی رایگان در مورد سیستم خودکار زیرنویس تصویر – الزویر 2019

 

مشخصات مقاله
ترجمه عنوان مقاله Chittron: یک سیستم خودکار زیرنویس تصویر بنگلادشی
عنوان انگلیسی مقاله Chittron: An Automatic Bangla Image Captioning System
انتشار مقاله سال 2019
تعداد صفحات مقاله انگلیسی 7 صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
1.257 در سال 2018
شاخص H_index 47 در سال 2019
شاخص SJR 0.281 در سال 2018
شناسه ISSN 1877-0509
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط مهندسی کامپیوتر
گرایش های مرتبط هوش مصنوعی
نوع ارائه مقاله
ژورنال و کنفرانس
مجله / کنفرانس علوم کامپیوتر پروسیدیا – Procedia Computer Science
دانشگاه  University of Liberal Arts Bangladesh, Dhanmondi, Dhaka, Bangladesh
کلمات کلیدی مجموعه داده زیرنویس عکس BanglaLekha، حاشیه نویسی تصویر، ایجاد زیرنویس خودکار، حافظه کوتاه مدت طولانی (LSTM)، یادگیری عمیق، شبکه های عصبی، یادگیری ماشین، بنگلادشی، پردازش زبان طبیعی
کلمات کلیدی انگلیسی BanglaLekha-Image-Caption dataset ; Image Annotation ; Automatic Caption Generation ; LSTM ; Deep Learning ; Neural Networks ; Machine Learning; Bangla; Natural Language Processing
شناسه دیجیتال – doi
https://doi.org/10.1016/j.procs.2019.06.100
کد محصول  E12361
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract

1. Introduction

2. Relevant Work

3. BanglaLekha-Image Captions: The Data Set

4. Model and Training Details

5. Results and Discussion

6. Conclusion

7. References

 

بخشی از متن مقاله:
Abstract

Automatic image caption generation aims to produce an accurate description of an image in natural language automatically. How- ever, Bangla, the fifth most widely spoken language in the world, is lagging considerably in the research and development of such domain. Besides, while there are many established data sets related to image annotation in English, no such resource exists for Bangla yet. Hence, this paper outlines the development of “Chittron”, an automatic image captioning system in Bangla. To address the data set availability issue, a collection of 16, 000 Bangladeshi contextual images has been accumulated and manually annotated in Bangla. This data set is then used to train a model that integrates a pre-trained VGG16 image embedding model with stacked LSTM layers. The model is trained to predict the caption when the input is an image, one word at a time. The results show that the model has successfully been able to learn a working language model and to generate captions of images quite accurately in many cases. The results are evaluated mainly qualitatively. However, BLEU scores are also reported. It is expected that a better result can be obtained with a bigger and more varied data set.

Introduction

The stark reality is that most of the works in image captioning have concentrated almost exclusively on English language [1, 2, 3]. Additionally, the relevant data-sets, e.g. the MSCOCO [4], have a prominent western preference which leads to a two-pronged problem: (1) the language in which captions are generated is English only, and (2)the data set is not representative of the cultural peculiarities of non-western countries. These very problems exist for generating image captions in Bangla, particularly for images which have a decidedly Bangla geocultural flavor. A simple example of this can be seen in Figure 1, where a web service is used to generate captions. The service uses the im2txt model trained on the MSCOCO data set and quite clearly the model fails to recognize the image in Figure 1a as a boy wearing a lungi, a very common male garb in Bangladesh. In fact, it incorrectly identifies the subject as a female since the attire is identified as women gown.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا