申请/专利权人：天翼云科技有限公司

申请日：2023-12-11

公开（公告）日：2024-04-09

公开（公告）号：CN117852644A

主分类号：G06N5/04

分类号：G06N5/04;G06V10/774;G06V10/80

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于BERT和YOLO的多模态视觉推理方法，具体涉及智能视觉问答技术领域，包括提取文字词嵌入向量、目标框特征向量及目标框特征向量对应的位置坐标；多模态关系融合模块将文字问题的文字词嵌入向量q、图像的N个目标框特征向量及图像的位置坐标bi作为输入，输出经过多模态融合的特征向量，以获得多模态特征向量；通过多模态关系推理网络对多模态特征向量进行迭代推理，本发明方法提出了一种多模态关系融合模块，该模块由一个分解双线性融合算子以及成对交互算子组成；该方法的灵活性强，可以应用于多种场景。

主权项：1.一种基于BERT和YOLO的多模态视觉推理方法，其特征在于，包括：提取文字词嵌入向量、目标框特征向量及目标框特征向量对应的位置坐标；多模态关系融合模块将文字问题的文字词嵌入向量q、图像的N个目标框特征向量及图像的位置坐标bi作为输入，输出经过多模态融合的特征向量，以获得多模态特征向量；通过多模态关系推理网络对多模态特征向量进行迭代推理。

全文数据：

权利要求：

百度查询： 天翼云科技有限公司 一种基于BERT和YOLO的多模态视觉推理方法

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。

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