Automatické generování obrázků a jejich využití jako trénovacích dat
Thesis title in Czech: | Automatické generování obrázků a jejich využití jako trénovacích dat |
---|---|
Thesis title in English: | Automatic generation of images and their usage as training data |
Key words: | generování obrázků, zpracování přirozeného jazyka, image captioning |
English key words: | image generation, natural language processing, image captioning |
Academic year of topic announcement: | 2019/2020 |
Thesis type: | Bachelor's thesis |
Thesis language: | čeština |
Department: | Institute of Formal and Applied Linguistics (32-UFAL) |
Supervisor: | Mgr. Rudolf Rosa, Ph.D. |
Author: | hidden - assigned and confirmed by the Study Dept. |
Date of registration: | 20.09.2019 |
Date of assignment: | 01.11.2019 |
Confirmed by Study dept. on: | 11.11.2019 |
Date and time of defence: | 07.07.2020 09:00 |
Date of electronic submission: | 03.06.2020 |
Date of submission of printed version: | 03.06.2020 |
Date of proceeded defence: | 07.07.2020 |
Opponents: | Mgr. Jindřich Helcl, Ph.D. |
Guidelines |
Cílem bakalářské práce bude řešení problému automatického generování obrázků. Vstupem je věta v přirozeném jazyce popisující daný obrázek a výstupem je vygenerovaný obrázek, který by měl co nejvíce odpovídat zadané vstupní větě. Vstup bude v anglickém jazyce.
Generování obrázků bude probíhat na základě pravidel. Věta bude rozebrána podle určitých vzorů a vztahů mezi slovy, a následně bude vygenerován obrázek složený z jednotlivých malých obrázků, odpovídající vstupnímu popisu. Jednotlivé obrázky se budou stahovat z internetu pomocí REST API. Vzniklá aplikace se následně použije jako generátor obrázků pro trénování neuronové sítě pro úlohu image captioningu, tj. automatického generování popisků k obrázkům. Součástí práce bude zhodnocení, zda trénování na takto uměle vytvořených datech zlepšuje kvalitu image captioningu. |
References |
- STRAKA, Milan; HAJIČ, Jan; STRAKOVÁ, Jana. UDPipe: trainable pipeline for processing CoNLL-U files performing tokenization, morphological analysis, POS tagging and parsing. In: Proceedings of the tenth international conference on language resources and evaluation (LREC 2016). 2016. p. 4290-4297.
- PLUMMER, Bryan A., et al. Flickr30k entities: Collecting region-to-phrase correspondences for richer image-to-sentence models. In: Proceedings of the IEEE international conference on computer vision. 2015. p. 2641-2649. - XU, Kelvin, et al. Show, attend and tell: Neural image caption generation with visual attention. In: International conference on machine learning. 2015. p. 2048-2057. - MANSIMOV, Elman, et al. Generating images from captions with attention. arXiv preprint arXiv:1511.02793, 2015. - ZHANG, Han, et al. Stackgan: Text to photo-realistic image synthesis with stacked generative adversarial networks. In: Proceedings of the IEEE International Conference on Computer Vision. 2017. p. 5907-5915. - Flickr API documentation. https://www.flickr.com/services/api/ - C# Guide. https://docs.microsoft.com/en-us/dotnet/csharp/ |