QuickDraw的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

運用遷移學習技術整合YOLO與BERT模型於圖像描述

為了解決QuickDraw的問題，作者卓品至 這樣論述：

Google於2017年從提出Transformer模型架構之後，在深度學習中各領域都有重大的發展，本研究利用遷移技術將基於Transformer架構預訓練模型BERT結合影像處理模型，搭配Condition Normalization Layer進行圖片描述任務，其中圖片具有多個物體，期望描述出物體之間的相對關係，如上下左右等。將BERT與MobileNet結合，即可描述出圖片之物體，但相對關係錯亂，因此進一步將MobileNet改良並替換成預訓練YOLO，嘗試產生符合圖片物體相對關係之內容描述。本研究利用Google Quick, Draw!數據集自行合成圖片，並賦予相對關係描述，同時擁

有物體座標與描述，當作訓練與驗證數據集，先進行YOLO預訓練，再與BERT進行模型合併訓練。完成後模型產生短文十分精確，能夠描述出物體之間的相對關係，而產生長文的方式則可將短文輸入至另一個模型中即可獲得長文，也有不錯的效果。使用遷移學習技術將BERT合併YOLO，並不需要調整模型結構即可理解圖片物體相對關係，並產生對應描述。因數據集為自行合成，限制模型只能產生短文，若未來具有更好物體關係的長文數據集，可以進一步研究模型理解圖片特徵並產生描述的關係，可應用在兒童繪本上看圖說故事，為視障人士敘述生活周遭的物體等情況。