申请/专利权人:中国人民公安大学
申请日:2021-01-22
公开(公告)日:2021-05-07
公开(公告)号:CN112765955A
主分类号:G06F40/211(20200101)
分类号:G06F40/211(20200101);G06F40/284(20200101);G06F40/289(20200101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:有效-授权
法律状态:2023.05.26#授权;2021.05.25#实质审查的生效;2021.05.07#公开
摘要:本发明公开了一种中文指代表达下的跨模态实例分割方法,主要包括三个步骤:第一引入提出了单词注意力模块,通过学习每个中文单词的相对重要性,并对每个单词的矢量表示和相应的注意分数进行重新加权,生成单词特有的跨模态特征来提高准确性;第二以注意力简单循环单元代替标准的注意力循环单元作为多模态处理器。并通过使用词注意力权重,使得多模态模块可以聚焦于更重要的中文单词;第三本发明为解决研究所需的数据集不足的问题,构建了中文指代图像分割数据集,用以模型的训练及测试。本发明为解决研究所需的数据集的问题,构建了中文指代表达实例分割数据集,用于模型的训练及测试,并且在构建的数据集上测试后,验证了方法的有效性。
主权项:1.一种中文指代表达下的跨模态实例分割方法,其特征在于:该实例分割方法包括以下步骤:步骤1:建立语言处理模型,学习句子的词嵌入表示,然后使用SRU将词嵌入序列编码为向量序列;步骤2:在每个单词隐状态上应用线性层,并对输出进行归一化,计算单词的相对重要性的注意力权值;步骤3:将隐状态与单词嵌入连接起来,丰富语言表示;步骤4:引入词注意力机制,对于每一个查询词赋予相同权重,通过计算词的注意力权值,将重点放在注意力权值大的中文词语上。
全文数据:
权利要求:
百度查询: 中国人民公安大学 一种中文指代表达下的跨模态实例分割方法
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。