申请/专利权人:同济大学
申请日:2020-06-19
公开(公告)日:2020-10-23
公开(公告)号:CN111814843A
主分类号:G06K9/62(20060101)
分类号:G06K9/62(20060101);G06N3/04(20060101);G06F16/332(20190101)
优先权:["20200323 CN 202010209991X"]
专利状态码:在审-实质审查的生效
法律状态:2020.11.10#实质审查的生效;2020.10.23#公开
摘要:本发明涉及一种视觉问答系统中图像特征模块端到端训练方法及应用,所述训练方法包括:获取视觉问答模型的初始模型参数;获取训练图像和对应的训练文本序列;对所述训练图像进行图像特征抽取,并对所述训练文本序列进行文本特征提取;对所述图像特征和文本特征进行特征融合,生成融合特征,基于所述融合特征生成输出答案;基于所述输出答案与所述训练图像的初始答案计算答案误差;在所述视觉问答模型的其他部分优化方法不变的前提下,基于所述答案误差以一阶优化方法对所述图像特征模块进行参数调整。与现有技术相比,本发明具有效果显著、实现简单等优点。
主权项:1.一种视觉问答系统中图像特征模块端到端训练方法,所述视觉问答系统基于视觉问答模型实现,所述视觉问答模型包括图像特征模块、时序神经网络、融合推理模块和答案生成模块,其特征在于,所述训练方法包括:获取视觉问答模型的初始模型参数;获取训练图像和对应的训练文本序列;对所述训练图像进行图像特征抽取,并对所述训练文本序列进行文本特征提取;对所述图像特征和文本特征进行特征融合,生成融合特征,基于所述融合特征生成输出答案;基于所述输出答案与所述训练图像的初始答案计算答案误差;在所述视觉问答模型的其他部分优化方法不变的前提下,基于所述答案误差以一阶优化方法对所述图像特征模块进行参数调整。
全文数据:
权利要求:
百度查询: 同济大学 视觉问答系统中图像特征模块端到端训练方法及应用
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。