按年被提到
20142014 · 1 次2026
视觉、语音与图像生成›卷积网络与图像识别·arXiv:1411.4389 · cs.CV

Long-term Recurrent Convolutional Networks for Visual Recognition and Description

用于视觉识别与描述的长期循环卷积网络
Jeff Donahue, Lisa Anne Hendricks, Marcus Rohrbach, Subhashini Venugopalan, Sergio Guadarrama, Kate Saenko, Trevor Darrell · 2014

把 CNN 与 LSTM 结合,用于视频识别与图像、视频描述

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 3 人首次 2014-11-18 · 最近 2019-04-29发表于 IEEE Computer Society Conference on Computer Vision and Pattern Recognition/Proceedings - IEEE Computer Society Conference on Computer Vision and Pattern Recognition/Proceedings
3不同的人
3活跃月份
3讨论串
5,148被引(OpenAlex)

论文探讨既深于空间、又深于时间的循环卷积模型,提出可端到端训练的循环卷积架构,并在视频识别、图像描述与检索、视频叙述等任务上验证。这类“长期 RNN”能把变长输入(如视频帧)映射为变长输出(如文字),并与卷积网络联合训练,作者称其优于各部分分别定义或优化的最先进模型。

HN 为什么提它

评论者把它当作用 CNN 加 RNN 处理视觉任务的例子,如有人拿它回应图像描述报道,也有人用它说明卷积 LSTM 的准确率。

方法难度 3 / 5约 50 分钟经得起时间
读之前最好知道
1卷积神经网络(CNN)
2LSTM 与循环神经网络(RNN)
3视频识别与图像描述任务
4反向传播(backpropagation)

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用karpathy · 2014-11

“Edit: And seemingly also from Berkeley Long-term Recurrent Convolutional Networks for Visual Recognition and Description”

补充一篇同样来自 Berkeley 的相近工作,对照 Stanford 的图像描述文章
Researchers Announce Advance in Image-Recognition Software原评论 ↗
引用zan2434 · 2015-01

“Yes, yes it can: Long-term Recurrent Convolutional Networks for Visual Recognition and Description (Long-term Recurrent Convolutional Networks for Visual Recognition and Description)”

回答“能否分辨”:用循环卷积网络处理视频,据称能区分死猫和睡着的猫
A.I. Has Grown Up and Left Home原评论 ↗
引用DeonPenny · 2019-04

“You can get 89% accuracy with a convolutional LSTM Long-term Recurrent Convolutional Networks for Visual Recognition and Description”

说明 convolutional LSTM 可达到约 89% 准确率
Alphabet Announces First Quarter 2019 Results原评论 ↗