基于同等注意力图网络的视觉问答方法

2021-12-09 06:04:10王天星袁家斌
计算机与现代化 2021年11期
关键词:特征模型

王天星,袁家斌,2,刘 昕

(1.南京航空航天大学计算机科学与技术学院,江苏 南京 211106;2.南京航空航天大学信息化处(信息化技术中心),江苏 南京 211106)

0 引 言

随着人工智能相关的应用逐渐走进人们的日常生活,智能系统通过不断观察人与人、人与物体、人与环境以及人与AI之间的交互来获得越来越多样化的信息。当人们致力于开发大规模、高水平且适应性强的智能系统时,能够有效利用这些信息将变得越来越关键。而视觉与语言是人类获取现实世界信息的2大核心元素,也是人工智能研究的重点。因此两者相结合的跨模态任务——视觉问答(Visual Question Answering,VQA)被认为是实现人工智能最高的目标之一。VQA是一种涉及计算机视觉和自然语言处理的综合性学习任务,要求图像与自然语言的联合理解,即场景理解与语义理解,其目标是让模型自动回答有关视觉内容的问题。如今随着计算机视觉与自然语言处理2大领域的快速发展,视觉问答已经成为了近几年最热门和活跃的研究方向之一[1-4]。具体来说,根据给定的图像和关于图像的开放式的自然语言问题,VQA系统需要分析并生成对应的自然语言答案作为输出。在现实应用方面,VQA也有着巨大的潜力,如聊天机器人、视障人群的生活助手以及儿童早教产品等。因此,开发出接近人类水平的VQA系统是实现人工智能的重要一步,并将大大促进人机交互的发展。

当前大部分VQA方法利用预训练的CNN模型提取图像特征,再结合注意力机制进行问题解答。……

登录APP查看全文

猜你喜欢
特征模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15
一个相似模型的应用