【文件属性】：
文件名称：Optimization_of_image_description_metrics_using_policy_gradient_methods:纸的Tensorflow工具
文件大小：4.16MB
文件格式：ZIP
更新时间：2021-04-27 13:35:03
reinforcement-learning policy-gradient image-captioning Python
使用策略梯度方法优化图像描述指标
这是论文的Tensorflow实现：。
笔记
由于缺乏时间和兴趣，因此未积极维护该存储库。 对于允许该项目停滞不前，我向开源社区表示最诚挚的歉意。 我希望它对你们中的某些人有用。
先决条件
TensorFlow 0.10
介绍
此代码有些粗略。 当我写这篇论文时，我也有一些疑问。 但是在我发送电子邮件之后，作者没有回复我，我也不知道为什么。
因此，如有任何疑问，请随时与我联系。
我的电子邮件：
如果您有任何建议，我将不胜感激。
如何运行代码
步骤1
进入./inception目录，用于提取特征的python脚本为： extract_inception_bottleneck_feature.py 。
在此python脚本中，您应修改几个参数：
image_path ：MSCOCO图像路径，例如/path/to/msococo/train2014
【文件预览】：
Optimization_of_image_description_metrics_using_policy_gradient_methods-master
----data()
--------idx_to_word.pkl(224KB)
--------val_images_captions.pkl(570KB)
--------test.txt(5B)
--------val2014_images_ids_to_names.pkl(1.8MB)
--------bias_init_vector.npy(83KB)
--------test2014_images_ids_to_names.pkl(1.85MB)
--------word_to_idx.pkl(224KB)
--------train_val_imageNames_to_imageIDs.pkl(5.67MB)
----build_vocab.py(3KB)
----README.md(5KB)
----create_train_val_all_reference.py(4KB)
----pre_val_json.py(1KB)
----image()
--------2.png(86KB)
--------3.png(26KB)
--------1.png(36KB)
----pre_train_json.py(1KB)
----inception()
--------check_NOT_JPEG_IMG.sh(103B)
--------imageInfo.txt(3.93MB)
--------train_feats()
--------README.md(453B)
--------copy_train_val_feats.sh(94B)
--------extract_inception_bottleneck_feature.py(2KB)
--------test_feats()
--------train_val_feats()
--------val_feats()
--------COCO_val2014_000000320612.jpg(71KB)
----image_caption.py(61KB)
----create_train_val_each_reference.py(5KB)
----split_train_val_data.py(1KB)
----coco_caption()
--------Bleu_1.pkl(5KB)
--------Bleu_3.pkl(5KB)
--------eval_captions_results.py(857B)
--------eval_image_caption.py(9KB)
--------gen_test_json.py(1KB)
--------Bleu_2.pkl(5KB)
--------eval_model.py(3KB)
--------model_evalution.png(124KB)
--------METEOR.pkl(5KB)
--------CIDEr.pkl(10KB)
--------draw.py(1KB)
--------read_validation_info.py(507B)
--------captions_test2014_hitachi_results.json(3.28MB)
--------Bleu_4.pkl(5KB)
--------captions_val2014_hitachi_results.json(3.25MB)
--------gen_val_json.py(1KB)
--------read_test_info.py(518B)