[人工智能]Multi-Model RNN模型

这是百度提出的图像生成文本模型

Multi-Modal：他的输入是一个组合了多种信息的输入

1. 输入一个词
2. 通过Table Projection将一个词语Embedding 成一个128的向量Embedding1
3. 通过全连接层到了将128的向量转成了256的向量 Embedding2
4. Embedding2经过全连接到Multimodal（第一个输入）
5. Embedding2到Recurrent 是一个循环神经网络到Multimodel（第二个输入）
6. 图像通过卷积神经网络提取特征之后到Multimodel（第三个输入）
7. Multimodel 通过softmax 得到结果，得到一个新的词

hn 是对图像提取的特征
hn + 一个词 得到 y1
hn + y1 得到y2
以此类推

总结