刚刚看了崔成龙师哥的博客《VB中Name与Caption属性有什么区别》想谈谈我对这两个属性的理解。
    首先我认同师哥的说法：把Name比成是学生的学号，而Caption比作是学生的衣服。因为Name具有独特性，为Caption却可以相同。
    然后我的看法是：Name和Caption直译是名字和标签。所以Name是指向目标的标志，而Caption是希望被别人看到的有关信息。就像一件衣服的品牌和标签。
    它们的真正的区别在于作用。在vb6.0中任何对对象或者控件的操作都是在代码中通过指向Name这个属性来完成的，指向Caption计算机就会找不到目标对象。Caption是我们用来给呈用户现信息的，Name确是不被看到的。计算机是人机交互系统，所以Name就是计算机内部对目标对象的标记，任何对对象的操作都通过指向Name来实现。而Caption则只是希望用户看到的有关此对象的信息。

尽管这很旧，但我正在为以后在搜索时可能发现此问题的其他人更新它。
@马特·凯利赫(Matt Kelliher)：
为列表使用css：before和data- *属性是一个好主意，但可以对其进行一些修改以使其更易于访问：
HTML：
Dodge Shadow
Ford Focus
Chevy Lumina
CSS：
ul:before{
content:attr(aria-label);
font-size:120%;
font-weight:bold;
margin-left:-15px;
}
这将创建一个列表，该列表的上方带有“标头”伪元素，其文本设置为aria-label属性中的值。 然后，您可以轻松地根据需要设置样式。
与使用data- *属性相比，这样做的好处是，屏幕阅读器会读取aria-label作为列表的“标签”，这在语义上对于您打算使用此数据是正确的。
注意：IE8支持：before属性，但必须使用单冒号版本(并且必须定义有效的doctype)。 IE7不支持：before，但是Modernizer或Selectivizr应该为您解决该问题。 所有现代浏览器都支持旧的：before语法，但更喜欢使用:: before语法。 通常，解决此问题的最佳方法是为IE7 / 8使用外部样式表，该样式表使用旧格式，而使用新样式的样式表为常规样式表，但实际上，大多数样式表仅使用旧的单冒号格式，因为它仍然100％交叉 浏览器，即使在技术上对CSS3无效。

                                         第一节 
  文本控件
  与文本有关的控件有两个，即标签和文本框。 在标签中只能显示文本，不嫩进行编辑，而在文本框中即可显示文本，又可输入文本。
一、标签
    1、标签主要用来显示文本信息，它所显示的内容只能用caption属性来设置或修改，不能直接编辑。有时候吗，标签常用来标注本身不具有caption属性的控件，列如，可以用标签问文本框、列表框、组合框等控件附加描述性信息。
    2、标签的属性、事件和方法。
        1、标签的部分属性也窗体及其他控件相同，宝括：FontBold    fontitalic   fontname  fontsize  fontunderline  height  left  left  name  top   visible   width 
         2、其他属性
           1 、alignment
               该属性用来确定标签中标题的放置位置，可以设置为0/1或2，其作用如下：
                 0——从标签的左边开始显示标题（默认选择）
                 1——标题靠右显示
                 2——标题居中显示
             2、autosize
                  如果把该属性值设置为tiue， 则可以根据caption属性指定的标题自动调整标签的大小；如果把该属性值设置为false，则标签保持设计时的大小。
              3、boderstyle
                  用来设置标签的边框，可以取两种值，即0和1。在默认情况下，该属性值为0，标签无边框；如果需要为标签加上边框，则应该改变属性的设置为1。
              4、caption
                   用来在标签中显示文本。标签的文本只能用caption属性显示
              5、backstyle
                 该属性可以去俩个值，即0和1。当值为1时，标签将覆盖背景；如果为0则标签为“透明”的。默认值为1。


              6、wordweap
                  该属性用来决定标签的标题的属性的显示方式。该属性取两种值，即true和false，默认为false。如果设置为true，则标签将在垂直方向变化大侠也与标题文本相适应，水平方向的大小与原来所画的标签相同；如果设置为false，则标签加载水平方向上扩展到标题中最长的一行，在垂直方向显示标题的所有各行。为了使wordwrap起作用，应把autosize实行设置为true。
二、文本框
        文本框是一个文本编辑区域，在设计阶段或运行期间可以再这个区域中输入、编辑和显示文本，类似于一个简单的文本编辑器。
          1、文本框属性
             前面介绍的一些属性也可以用于文本框，这些属性宝括  borderstyle、enabled、fontbold 、fontbold、fontitalic、 fontname 、fontsize 、fontunderline、height、 left、 name、top 、visible、width，此外还具有如下属性：
          1、maxlength
            用来设置于许在文本框中输入的最大字符数。一般不需要更改默认设置0
          2、multiine
              如果把该属性设置为false， 则在文本框中只能输入单行文本；当属性被设置为true时，可以使用多行文本。按ctrl+enter可以插入一个空行。
          3、passwordchar
               该属性用于口令输入。
          4、scrollbars
                该属性用来为确定文本框中有没有滚动条，可以取0、1、2、3，4个值，其含义分别为;
             0——文本框中没有滚动条
             1——只用水平滚动条
             2——只有垂直滚动条
             3——同时具有水平和垂直滚动条
             注意：只有当multiline属性被设置为true时，才能用scrollbars属性在文本框中设置滚动条。加入水平滚动条后，文本框中的自动换行功能将不起作用，只能通过回车键换行。
             5、sellength
                当在文本框中选择文本时，该属性值会随着选择字符的多少而改变；也可以在程序代码中把该属性设置为一个整数值，由程序来改变选择。如果sellenght属性值为0，则表示未选中任何字符。
             6、selstart
                 定义当前选择的文本的起始位置。0表示选择的开始位置在第一个字符之前，1表示从第二个字符之前开始选择，依次类推。
             7、seltext
                该属性含有当前所有选择的文本字符串，如果没有选择文本，则改属性含有一个空字符串，如果在程序中设置seltext属性，则用该值代替文本框中选中的文本。
             8、text
                 该属性用来设置文本框中显示的内容
             9、locked
                该属性用来指定文本框是否可被编辑。当设置值为false（默认值）时，可以编辑文本框中的文本；当设置值为true时，可以滚动和选择控件中的文本，单不能编辑。
       2、文本框事件和方法
               文本框支持click、dblclick等鼠标事件，同时支持 chang、gotfocus、lostfoocus等事件。
               1、change 
                   当用户向文本框中输入新的信息时，或当程序把text属性设置为新值从而改变文本框的text属性时，将触发chang事件。
               2、gotfocus
                 当文本框具有输入焦点（即处于活动状态）时，键盘上输入的每个字符都将在该文本框中显示出来。
              3、lostfocus
                    当按下tab键使光标离开当前文本框或者鼠标选择窗体中的其他对象时触发该事件，用change事件过程和lostfocus事件过程都可以检查文本框的text属性值，但后者更有效。
              4、setfocus
                    该方法是文本框中常用的属性的方法，格式如下:
                       [对象.]setfocus
                       该方法可以把输入光标移动到指定的文本框中。

Paper : http://arxiv.org/abs/2003.00387v1 [CVPR2020]

提出了一种更加细粒度的控制信号，称为抽象场景图 ( Abstract Scene Graph,  ASG )，可以通过图结构同时控制所希望表达的物体、属性和关系，不仅能反映用户细粒度的描述意图，也能生成更具有多样性的图像描述。ASG 是一个包含三类抽象节点的有向图，这三类抽象节点分别代表用户希望描述的物体 ( object ) 、属性 ( attribute ) 和关系 ( relationship ) ，每个抽象节点在图中有具体区域的定位，但却不需要任何具体语义标签。因为ASG不需要任何语义识别，它可以方便地由用户限定或自动生成。
ASG2Caption 能够识别图形中的用户意图和语义，从而根据图形结构生成所需的描述。


ASG 只包含抽象图结构，不包含任何的语义标签，所以提出 role-aware graph encoder 捕获图中的意图和语义。
role-aware graph encoder :  区分节点的细粒度意图角色，并通过图上下文增强每个节点以提高语义表示


ASG 不仅通过不同的节点控制了描述什么内容，也通过节点的连接决定了描述的顺序，因此提出 language decoder for graphs 同时考虑了节点的内容和结构，更加注意以图流顺序生成所需的内容。


最后，生成的图像描述需要完全覆盖 ASG 中指定节点，不能有节点内容的缺失或重复。为此，我们在解码过程中逐渐更新编码的图表示，以记录跟踪图中不同节点的访问状态。



Abstract Scene Graph

图像 $\mathcal{I}$ 的 ASG 表示为 $\mathcal{G} = (V, E)$ ，$\mathcal{V}, E$ 分别是节点和边的集合。节点根据它们的意图角色分为三类：物体节点 ( $o$ )，属性节点 ( $a$ ) 和关系节点 ( $r$ ) ，构建 $\mathcal{G}$ 如下：

在图 $\mathcal{G}$ 中添加用户感兴趣的物体 $o_i$ ，在图像 $\mathcal{I}$ 的物体 $o_i$ 有对应的边界框
如果用户想要知道物体 $o_i$ 更多的描述细节，可以在图 $\mathcal{G}$ 中添加属性节点 $a_{i,l}$ ，创建一个从 $o_i$ 到 $a_{i,l}$ 的边，$|l|$ 是关联属性的数量，因为 $o_i$ 可以有多个 $a_{i,l}$
如果用户想要描述 $o_i$ 和 $o_j$ 之间的关系，可以把关系节点 $r_{i,j}$ 加入到图 $\mathcal{G}$ 中，创建从 $o_i$ 到 $r_{i,j}$ 和从 $r_{i,j}$ 到 $o_j$ 之间的边

除了获得 $\mathcal{G}$ 之外，很容易在现成的目标检测器的基础上生成 ASGs 和一个简单的物体之间的关系分类器。
The ASG2Caption Model

给定一张图像 $\mathcal{I}$ 和 ASG $\mathcal{G}$， 目标是生成一个流利的句子 $y = \{y_1, ..., y_T\}$ ，满足用户的意图。
Role-aware Graph Encoder
把 ASG 编码为一系列的节点嵌入 $\mathcal{X} = \{x_1, ..., x_{|\mathcal{v}|}\}$ 。首先，$x_i$ 应该除了视觉外观之外还反映其意图作用，这对于区分目标和连接的属性节点特别重要，因为它们位于同一区域。其次，由于节点不是孤立的，因此来自相邻节点的上下文信息对于识别节点的语义是有益的。Role-aware Graph Encoder 包含 role-aware node embedding ( 区分节点意图 ) 和 multi-relational graph convolutional network ( MR-GCN ) ( 上下文编码 )
Role-aware Node Embedding
图 $\mathcal{G}$ 中的第 $i$ 个节点，首先初始化为对应的视觉特征 $v_i$ 。物体节点的特征是从图像中的边界框提取的；属性节点的特征和它连接的物体是相同的；关系节点的特征是从两个物体的联合边界框提取的。因为视觉特征不能区分不同节点的意图角色，所以通过获得一个角色感知节点嵌入 $x_{i}^{(0)}$ 增强每一个节点

$x_{i}^{(0)} = \begin{cases}v_i \odot W_r[0], & \text{if $i \in o$} ;\\v_i \odot (W_r[1] + pos[i]), & \text{if $i \in a$}; \\v_i \odot W_r[2], & \text{if $i \in r$.}\end{cases} \tag{1}$

其中 $W_r \in \Bbb{R}^{3×d}$ 是角色嵌入矩阵，$d$ 是特征维度 ( 512 )，$W_r[k]$ 表示$W_r$ 的第 $k$ 行，$pos[i]$ 是区分连接同一个物体的不同的属性节点的位置嵌入。
Multi-relational Graph Convolutional Network
尽管ASG中的边是单向的，但节点之间的影响却是相互的。此外，由于节点的类型不同，信息从一种类型节点传递到另一种类型节点的传递方式与其反方向也是不同的。因此，我们将原始ASG的边扩展为不同的双向边，从而生成一个具有多关系的图 KaTeX parse error: Undefined control sequence: \cal at position 19: …thcal{G}_m = \{\̲c̲a̲l̲{V}, E, R\}，利用多关系图卷积神经网络 ( MR-GCN ) 进行图中上下文编码。
$\mathcal{R}$ 中有六种类型的边来捕获相邻节点之间的相互关系，分别是物体到属性，目标到关系，关系到物体以及他们的反向。使用 MR-GCN 编码图上下文：

$x_{i}^{(l+1)} = \sigma(W_0^{(l)} x_i^{(l)} + \sum_{\tilde{r} \in \mathcal{R}} \sum_{j \in \mathcal{N}_i^{\tilde{r}}} \frac{1}{|\mathcal{N_i^{\tilde{r}}}|} W_{\tilde{r}}^{(l)}x_j^{(l)}) \tag{2}$

其中 $\mathcal{N}_i^{\tilde{r}}$ 是在关系 $\tilde{r} \in \mathcal{R}$ 下的第 $i$ 个节点的邻居，$\sigma$ 是 ReLU 激活函数，$W_*^{(l)}$ 是第 $l$ 个 MR-GCN 层的学习参数。利用一层为每个节点带来来自直接相邻节点的上下文，而堆叠多层可以对图形中的更广泛的上下文进行编码。 我们堆叠 $L$ 层，然后将最后第 $L$ 层的输出作为最终节点嵌入 $\mathcal{X}$。也可以通过对 $\mathcal{X}$ 取平均获得全局图嵌入 $\overline{g} = \frac{1}{|\mathcal{V}|} \sum_i x_i$ 。把全局图嵌入和全局图表示融合作为全局编码特征 $\overline{v}$
Language Decoder for Graphs

把编码 $\mathcal{G}$ 转化为图像描述。graph-based attention mechanism ( 包含图语义和结构 ) 和 graph updating mechanism ( 记录已经描述或未描述的内容 )
解码器包含一个两层的 LSTM ( attention LSTM and language LSTM ) 。attention LSTM 把全局编码嵌入 $\overline{v}$ ，前一个单词嵌入 $w_{t-1}$ 和 language LSTM 的前一个输出 $h_{t-1}^l$ 作为输出，计算一个 query $h_t^a$ :

$h_t^a = \text{LSTM}([\overline{v};w_{t-1};h_{t-1}^{l}], h_{t-1}^a; \theta^a) \tag{3}$

$[;]$ 是向量拼接，$\theta^a$ 是参数。
第 $t$ 步的节点嵌入表示为 $\mathcal{X}_t = \{x_{t,1}, ..., x_{t,|\mathcal{V}|}\}$ ，$\mathcal{X}_1$ 是编码器的输出 $\mathcal{X}$。$h_a^t$ 用来检索上下文向量 $z_t$ ( 通过 graph-based attention 计算 ) 。language LSTM 把 $z_t$ 和 $h_t^a$ 作为输入生成单词序列：

$h_t^l = \text{LSTM}([z_t;h_t^a], h_{t-1};\theta^l) \tag{4}$
$p(y_t| y_{<t}) = \text{softmax}(W_p h_t^l + b_p) \tag{5}$
其中 $\theta^l, W_p, b_p$ 是参数。生成单词 $y_t$ 之后，通过 graph updating 机制更新节点嵌入 $\mathcal{X}_t$ 到 $\mathcal{X}_{t+1}$ 记录新的图状态。
Graph-based Attention Mechanism

为了同时考虑图中语义内容和图结构信息，我们结合了两种不同的注意力机制，分别称为图语义注意力 ( graph content attention ) 和图流向注意力 ( graph flow attention ) 。
图语义注意力考虑查询向量 $h_t^a$  与图编码向量  $\mathcal{X}_t$ 之间的语义相关性，计算注意力分数向量 $\alpha_t^c$

$\tilde{\alpha}_{t,i}^c = w_c^T \tanh(W_{xc}x_{t,i} + W_{hc}h_t^a) \tag{6}$
$\alpha_t^c = \text{softmax}(\tilde{\alpha}_{t}^c) \tag{7}$
其中 $W_{xc}, W_{hc}, w_c$ 是语义注意力的参数，省略偏置。由于忽略了节点之间的连接，因此语义关注类似于传送，它可以在不同的解码时间步长从一个节点转移到另一个节点。
图流向注意力用于刻画图中的结构流向信息。流图 $\mathcal{G}_f$ 和原始的 ASG 不同：第一个是应该分配开始符号S，第二个区别在于对象节点和属性节点之间的双向连接，因为通常对象的顺序及其属性不是强制性的，应由句子的流畅性决定，第三个是如果节点的输出边不存在，则会为该节点构造一个自环边，从而确保图上的注意力不会消失。
假定 $M_f$ 是 $\mathcal{G}_f$ 的邻接矩阵，第 $i$ 行表示第 $i$ 个节点的归一化度。图流向注意力用三种方式转换前一编码步骤的注意力分数向量 $\alpha_{t-1}$ :

在相同的节点 $\alpha_{t,0}^f = \alpha_{t-1}$ ，模型可能用多个单词表达一个节点
移动一步 $\alpha_{t,1}^f = M_f \alpha_{t-1}$，从一个关系节点到它的物体节点的转换
移动两步 $\alpha_{t,2} = (M_f)^2 \alpha_{t-1}$，从一个关系节点到一个属性节点的转换


最后的流注意力是这三个分数的软差值，通过一个动态门控制：

$s_t = \text{softmax}(W_s \sigma(W_{sh}h_t^a + W_{sz}z_{t-1})) \tag{8}$
$\alpha_t^f = \sum_{k=0}^2 s_{t,k} \alpha_{t,k}^f \tag{9}$
$W_s, W_{sh}, W_{sz}$ 是参数，$s_t \in \Bbb{R}^3$
最后，图注意力机制动态地融合了图语义注意力 $\alpha_t^c$ 和图流向注意力 $\alpha_t^f$ 。

$\beta_t = \text{sigmoid}(w_g \sigma(W_{gh}h_t^a) + W_{gz}z_{t-1}) \tag{10}$
$\alpha_t = \beta_t\alpha_t^c + (1 - \beta_t) \alpha_t^f \tag{11}$
因此，$t$ 步的预测单词的上下文向量是 $z_t = \sum_{i=1}^{|\mathcal{V}|} \alpha_{t,i}x_{t,i}$
Graph Updating Mechanism

更新图形表示，以在每个解码步骤中记录不同节点的访问状态。 注意力分数 $\alpha_t$ 表示每个节点的访问强度，因此应该高度关注节点。然而，当生成一些非视觉单词例如 “the” “of”，虽然图节点已经访问了，但是不能通过生成的单词表达，因此不应该更新。因此，提出视觉门修改注意强度：

$u_t = \text{sigmoid}(f_{vs}(h_t^l;\theta_{vs})) \alpha_t \tag{12}$

其中 $f_{vs}$ 是一个全连接网络，输出表示生成的单词是否可以表示注意的节点。
每一个节点的更新机制由两部分组成：擦除和添加 ( NTM ) 。首先，第 $i$ 个节点 $x_{t,i}$ 根据更新的强度 $u_{t,i}$ 以细粒度的方式针对每个特征维度擦除：

$e_{t,i} = \text{sigmoid}(f_{ers}([h_t^l;x_{t,i}];\theta_{ers})) \tag{13}$
$\hat{x}_{t+1, i} = x_{t,i}(1 - u_{t,i}e_{t,i}) \tag{14}$
因此，如果一个节点不再需要访问可以设置为 0 。如果节点可能需要多次访问并跟踪其状态，我们还采用了添加更新操作:

$\alpha_{t,i} = \sigma(f_{add}([h_t^l;x_{t,i}]; \theta_{add})) \tag{15}$
$x_{t+1,i} = \hat{x}_{t+1,i} + u_{t,i}\alpha_{t,i} \tag{16}$
其中 $f_{ers}, f_{add}$ 是全连接层。这样，把 $\mathcal{X}_i$ 更新为 $\mathcal{X}_{i+1}$
Training and Inference
交叉熵损失

$L = -\log \sum_{t=1}^T p(y_t | t_{<t}, \mathcal{G}, \mathcal{I}) \tag{17}$
Examples