IMAGE CAPTIONING USING EFFICIENTNETB2 AND DEEP TRANSFORMER
Khoá luận tốt nghiệp · Đại học · năm 2023 · đề tài tham khảo
| Loại tài liệu | Khoá luận tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Trần Dương Mỹ Thuận |
| Người hướng dẫn | Lâm Nhựt Khang |
| Cơ sở đào tạo | Trường Đại học Cần Thơ |
| Năm | 2023 |
| Nguồn | Thư viện số Trường Đại học Cần Thơ · trang gốc |
Tóm tắt
Image captioning is a fascinating field that converges computer vision and natural language processing (NLP) within the vast field of artificial intelligence. The fundamental objective is to automatically generate natural descriptive sentences that express the content of an image. Various image captioning models often using integrating convolutional neural networks (CNNs) for image feature extraction and recurrent neural networks (RNNs) or transformers for generating coherent sentences. In this thesis, we employ a combination of EfficientNetB2 and Deep Transformer to generate a natural descriptive sentence from image. We perform experiments on both the English and Vietnamese Flickr8k dataset, then assessing the performance of this through the BLEU metric. The experimental results show that a combination of EfficientNetB2 and Deep Transformer effectively generates captions for images in Vietnamese. The BLEU-1,2,3, and 4 scores of the models on the English and Vietnamese Flickr8k datasets are 0.510, 0.211, 0.083, 0.030; and 0.532, 0.282, 0.155, 0.075, respectively.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- PHÂN LOẠI MÃ ĐỘC SỬ DỤNG GIẢI THUẬT WORD2VECTOR VÀ MLP
- A WEBSITE FOR LEARNING FOREIGN LANGUAGES
- PHÁT TRIỂN ỨNG DỤNG NỀN WEB THEO KIẾN TRÚC MICROSERVICES (PHÂN HỆ WEB APP)
- TRIỂN KHAI TRÒ CHƠI THẾ GIỚI MỞ DỰA TRÊN GTA VÀ NỀN TẢNG FIVEM
- PHÂN LOẠI THƯ RÁC BẰNG PHƯƠNG PHÁP HỌC MÁY PHÂN HỆ 2: CÁC THUẬT TOÁN RANDOM FOREST, XGBOOST, KNN, GRU
- XÂY DỰNG NỀN TẢNG SAAS TÍCH HỢP AI NHẰM THỐNG NHẤT QUẢN LÝ DỰ ÁN AGILE - PHÂN HỆ TRUYỀN THÔNG
- HỆ THỐNG THÔNG TIN QUẢN LÝ BẤT ĐỘNG SẢN
- XÂY DỰNG WEBSITE QUẢN LÝ CÔNG TÁC ĐOÀN VỤ ĐOÀN TRƯỜNG CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG SỬ DỤNG ASP.NET CORE VÀ BLAZOR
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.