LuanVan.vnLuận Văn
Gửi thư

IMAGE CAPTIONING USING EFFICIENTNETB2 AND DEEP TRANSFORMER

Khoá luận tốt nghiệp · Đại học · năm 2023 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảTrần Dương Mỹ Thuận
Người hướng dẫnLâm Nhựt Khang
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2023
NguồnThư 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

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.