申请/专利权人：山东新一代信息产业技术研究院有限公司

申请日：2021-09-29

公开（公告）日：2024-02-02

公开（公告）号：CN113792703B

主分类号：G06V30/41

分类号：G06V30/41;G06V30/18;G06V30/19;G06V10/82;G06F16/332;G06N3/0442;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.02.02#授权;2021.12.31#实质审查的生效;2021.12.14#公开

摘要：本申请公开了一种基于Co‑Attention深度模块化网络的图像问答方法，包括：将目标图像输入至Fast‑RCNN模型中进行特征提取，得到图像特征矩阵X；将目标问题输入至单层LSTM网络中进行特征提取，得到文本特征矩阵Y；将图像特征矩阵X以及文本特征矩阵Y输入至Co‑Attention深度模块化网络中进行处理，得到图像特征输出值XL以及文本特征输出值YL；将图像特征输出值XL以及文本特征输出值YL输入至注意力降维模型以及全连接层，得到图像注意力特征值以及文本注意力特征值将图像注意力特征值以及文本注意力特征值输入至线性多模态融合模型中进行多模态融合，得到融合特征矩阵Z；将融合特征矩阵Z进行损失计算处理，并将处理结果输入至分类器中进行分类，最终得到预测答案。

主权项：1.一种基于Co-Attention深度模块化网络的图像问答方法，其特征在于，所述方法包括：将目标图像输入至Fast-RCNN模型中进行特征提取，以得到所述目标图像对应的图像特征矩阵X；以及，将目标问题输入至单层LSTM网络中进行特征提取，以得到所述目标问题对应的文本特征矩阵Y；将所述图像特征矩阵X以及所述文本特征矩阵Y输入至Co-Attention深度模块化网络中进行处理，得到图像特征输出值XL以及文本特征输出值YL；其中，L为所述Co-Attention深度模块化网络中Co-Attention模块的层数；所述Co-Attention深度模块化网络为编码器-解码器结构，且包含若干个Co-Attention模块，所述Co-Attention模块包括自注意力SA模块以及辅助注意力GA模块；将所述图像特征输出值XL以及文本特征输出值YL输入至注意力降维模型以及全连接层，得到图像注意力特征值以及文本注意力特征值将所述图像注意力特征值以及所述文本注意力特征值输入至线性多模态融合模型中进行多模态融合，得到融合特征矩阵Z；将所述融合特征矩阵Z进行损失计算处理，并将处理结果输入至分类器中进行分类，最终得到所述目标图像以及所述目标问题对应的预测答案。

全文数据：

权利要求：

百度查询： 山东新一代信息产业技术研究院有限公司 一种基于Co-Attention深度模块化网络的图像问答方法及装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD