(十四):面向深度学习的视觉问答技术的分析 分手后的思念是犯贱 2023-01-16 13:29 54阅读 0赞 ### 文献阅读(十四):面向深度学习的视觉问答技术的分析 ### * 摘要 * 引言 * 1 视觉问答技术 * 2 视觉问答模型分类 * * 2.1 联合嵌入模型 * 2.2 注意力机制模型 * 2.3 基于外部知识的模型 * 3 相关公开数据集的分析 * 4 小结 * 主要内容:简单介绍了应用在VQA上的模型方法分类(联合嵌入模型、注意力机制模型、基于外部知识的模型)具体的研究进展;VQA数据集。 # 摘要 # 当输入图像和自然语言问题时,视觉问答技术能够理解图像和问题中的信息自动回答问题。文 章梳理近年来视觉问答技术的研究进展,分析了视觉问答技术的工作机制、模型的分类和公用数据集的特点,总结了目前 研究工作的不足及发展方向。 # 引言 # 人们提出在计算机视觉领域中引入交互式问答的方法对视觉对象进 行交互式内容理解,由此,视觉问答(visual ques- tion answer,VQA)应运而生。 视觉问答技术涵盖了计算机视觉和自然语言处理两个领域,它需要 建立模型去分析图像并理解问题,即在输入一张 图像及与图像相关的问题,模型能自动输出一个预测答案
还没有评论,来说两句吧...