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。