Tanım oluşturma modelini dil modellemedeki başarım iyileştirme teknikleri ile geliştirmek

Dil modelleme konusundaki son çalışmalardan esinlenerek, bir takım başarım iyileştirme tekniğinin tekrarlayan bir sinir ağına dayalı bir tanım oluşturma modelinin performansı üzerindeki etkilerini araştırdık. Bu teknikleri kullanarak, hiçbir iyileştirme tekniği kullanmamaya oranla performansımızda 13 Bleu-4 puan iyileştirdik. Modelimizde hata-değerlendirme uyumsuzluğu olmadığını MSCOCO veri setinde deneyler yaparak gösterdik. Ayrıca, model performansının veri kümesin özelliklerine bağladığını gösterdik. Ek olarak, tanım oluşturma modelimizi temel alarak insan-bilgisayar hibrid tanım oluşturma modeli ve tek seferde nesne tanıma modeli isimlerinde iki farklı uygulama geliştirdik. İlk uygulama ile en iyi modelimizin CIDEr puanını bir görüntünün referans cümlesinin yalnızca ilk iki kelimesini kullanarak 30 puan arttırdık. İkinci uygulamamızda, tanım oluşturma modelimizi bir resimdeki nesnelerin konumlarını bulamadan sınıflandıran bir nesne dedektörü olarak eğittik. Bu dedektörün temel avantajı, eğitim aşaması sırasında nesne konumlarını gerektirmemesidir.