Till sidans topp

Sidansvarig: Webbredaktion
Sidan uppdaterades: 2012-09-11 15:12

Tipsa en vän
Utskriftsversion

Interactive visual ground… - Göteborgs universitet Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

Interactive visual grounding with neural networks

Paper i proceeding
Författare José Miguel Cano Santín
Simon Dobnik
Mehdi Ghanimifard
Publicerad i Proceedings of LondonLogue - Semdial 2019: The 23rd Workshop on the Semantics and Pragmatics of Dialogue
ISSN 2308-2275
Förlag Queen Mary University of London
Förlagsort London, UK
Publiceringsår 2019
Publicerad vid Institutionen för filosofi, lingvistik och vetenskapsteori
Språk en
Länkar semdial.org/anthology/papers/Z/Z19/...
https://semdial2019.github.io/#
https://gup.ub.gu.se/file/207842
https://gup.ub.gu.se/file/207881
Ämnesord grounding, object learning, interactive learning, transfer learning, neural networks
Ämneskategorier Datorlingvistik, Lingvistik, Kognitionsforskning

Sammanfattning

Training strategies for neural networks are not suitable for real time human-robot interaction. Few-shot learning approaches have been developed for low resource scenarios but without the usual teacher/learner supervision. In this work we present a combination of both: a situated dialogue system to teach object names to a robot from its camera images using Matching Networks (Vinyals et al., 2016). We compare the performance of the system with transferred learning from pre-trained models and different conversational strategies with a human tutor.

Sidansvarig: Webbredaktion|Sidan uppdaterades: 2012-09-11
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?

Denna text är utskriven från följande webbsida:
http://www.gu.se/forskning/publikation/?languageId=100000&disableRedirect=true&returnUrl=http%3A%2F%2Fwww.gu.se%2Fenglish%2Fresearch%2Fpublication%2F%3FpublicationId%3D283004&publicationId=283004
Utskriftsdatum: 2019-11-23