[发明专利]一种基于多模态融合和结构性控制的视觉问答方法有效
| 申请号： | 202110292144.9 | 申请日： | 2021-03-18 |
| 公开（公告）号： | CN113010656B | 公开（公告）日： | 2022-12-20 |
| 发明（设计）人： | 孟敏;郑进怀;郑伟金;莫怡静;武继刚 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06F16/332 | 分类号： | G06F16/332;G06F40/35;G06N3/04 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 510090 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及视觉问答技术领域，提供一种基于多模态融合和结构性控制的视觉问答方法，包括以下步骤：S1：计算图像样本数据集的视觉特征向量、问题样本数据集的问题语义特征向量和答案样本数据集的答案语义特征向量；S2：将视觉特征向量和问题语义特征向量输入到基于协同注意力机制的网络，计算多模态信息融合特征向量；S3：对多模态信息融合特征向量和根据答案样本数据集计算的答案语义特征向量进行结构性控制，缩小多模态信息融合特征向量和答案语义特征向量的概率分布；S4：根据答案语义特征向量的概率分布预测视觉问答中图像对应问题的答案。本发明增强了视觉问答方法的泛化性，提高了视觉问答方法的性能。 | ||
| 搜索关键词： | 一种 基于 多模态 融合 结构性 控制 视觉 问答 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东工业大学，未经广东工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202110292144.9/，转载请声明来源钻瓜专利网。
