[发明专利]一种基于动态词嵌入的多模态Transformer的图像描述方法在审
| 申请号： | 202110537165.2 | 申请日： | 2021-07-19 |
| 公开（公告）号： | CN113344036A | 公开（公告）日： | 2021-09-03 |
| 发明（设计）人： | 曾凯;杨文瑞;朱艳;沈韬;刘英莉 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06T9/00;G06F40/30 |
| 代理公司： | 昆明同聚专利代理有限公司 53214 | 代理人： | 王远同 |
| 地址： | 650000 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于动态词嵌入的多模态Transformer的图像描述方法，属于人工智能的领域。本发明构建了一种同时进行模态内与模态间注意力的模型，实现了多模态信息的融合，将卷积神经网络与Transformer进行桥接，并将图像信息以及文本信息在同一向量空间进行融合，提高了模型进行语言描述的准确率；减少了图像描述领域存在的语义鸿沟问题，本发明相对于使用Bottom‑up与LSTM的基线模型在BLEU‑1、BLEU‑2、BLEU‑3、BLEU‑4、ROUGE‑L、CIDEr‑D上都有提高。 | ||
| 搜索关键词： | 一种 基于 动态 嵌入 多模态 transformer 图像 描述 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昆明理工大学，未经昆明理工大学许可，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/202110537165.2/，转载请声明来源钻瓜专利网。
