Key points are not available for this paper at this time.
نقدم مجموعة بيانات جديدة لتعليقات الصور، التعليقات المفاهيمية، التي تحتوي على عدد أكبر من الصور بمقدار ترتيب واحد مقارنةً بمجموعة بيانات MS-COCO. حققنا ذلك من خلال استخراج وتصفية تعليقات الصور من مليارات صفحات الويب. كما نقدم تقييمات كمية لعدد من نماذج التعليق على الصور ونظهر أن هيكل النموذج المعتمد على Inception-ResNet-v2 (Szegedy et al., 2016) لاستخراج ميزات الصورة وTransformer.
شورما وآخرون (مون،) درسوا هذا السؤال.