[发明专利]基于交互式Transformer的图像-多语言字幕转换方法在审
| 申请号： | 202210418758.1 | 申请日： | 2022-04-20 |
| 公开（公告）号： | CN114707523A | 公开（公告）日： | 2022-07-05 |
| 发明（设计）人： | 胡珍珍;徐月圆;周愿恩;洪日昌;汪萌 | 申请（专利权）人： | 合肥工业大学 |
| 主分类号： | G06F40/58 | 分类号： | G06F40/58;G06F40/211;G06F40/242;G06F40/289;G06N3/04;G06N3/08;G06V20/62 |
| 代理公司： | 安徽省合肥新安专利代理有限责任公司 34101 | 代理人： | 陆丽莉;何梅生 |
| 地址： | 230009 安*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于交互式Transformer的图像‑多语言字幕转换方法，其步骤包括：1.构建图像‑多语言字幕数据集，2.获取图像的VinVL特征表示，3.获取文本的特征表示，4.采用图像特征与文本特征训练图像‑多语言字幕模型，5.利用训练好的图像‑多语言字幕模型，实现对图像的多种语言描述。本发明的文本信息涉及中英文两种语言，能够综合利用文本与视觉信息，实现图像到多语言字幕的转换，从而支持多种语言的高效转换。 | ||
| 搜索关键词： | 基于 交互式 transformer 图像 语言 字幕 转换 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合肥工业大学，未经合肥工业大学许可，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/202210418758.1/，转载请声明来源钻瓜专利网。
- 基于Transformer+LSTM神经网络模型的商品销量预测方法及装置
- 一种基于Transformer模型自然场景文字识别方法
- 一种深度Transformer级联神经网络模型压缩算法
- 点云分割方法、系统、介质、计算机设备、终端及应用
- 基于Transformer的中文智能对话方法
- 一种基于改进Transformer模型的飞行器故障诊断方法和系统
- 一种基于Transformer模型的机器翻译模型优化方法
- 基于Transformer和增强交互型MPNN神经网络的小分子表示学习方法
- 基于U-Transformer多层次特征重构的异常检测方法及系统
- 基于EfficientDet和Transformer的航空图像中的飞机检测方法
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
