龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西安电子科技大学广州研究院;琶洲实验室(黄埔)
申请日：2024-02-28
公开（公告）日：2024-06-18
公开（公告）号：CN118211657A
主分类号：G06N5/04
分类号：G06N5/04;G06V20/70;G06V10/82;G06N3/0455;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明公开了一种基于关系对齐的视觉问答方法、装置、设备、介质及产品，包括：获取大规模数据集中图像的视觉目标特征、文本目标标签、语言特征、视觉关系特征和文本关系标签，对预设模型的编码器进行预训练任务的学习，得到预训练完成的模型参数；其中预训练任务包括实体对齐任务、关系对齐任务、全局对齐任务和跨模态对齐任务，分别用于预训练编码器中的物体编码器、关系编码器、语言编码器和跨模态编码器；根据参数进行视觉问答模型的微调，修改问题的输入方式并对视觉问答训练样本进行训练，得到目标视觉问答模型；输入待测图像和问题文本到目标视觉问答模型，得到视觉问答结果。采用本发明实施例，能够学习关系信息，提高视觉问答的准确性。
主权项：1.一种基于关系对齐的视觉问答方法，其特征在于，包括：获取大规模数据集和视觉问答训练样本；根据所述大规模数据集中的图像，获取所述图像的视觉目标特征、文本目标标签、语言特征、视觉关系特征和文本关系标签；根据所述视觉目标特征、所述文本目标标签、所述语言特征、所述视觉关系特征和所述文本关系标签，对预设Transformer-Based模型的编码器进行预训练任务的学习，得到预训练完成的Transformer-Based模型参数；其中，所述预训练任务包括实体对齐任务、关系对齐任务、全局对齐任务和跨模态对齐任务，分别用于预训练所述编码器中的物体编码器、关系编码器、语言编码器和跨模态编码器；根据所述参数进行视觉问答模型的微调，修改问题的输入方式并对所述视觉问答训练样本进行训练，得到目标视觉问答模型；输入待测图像和问题文本到所述目标视觉问答模型，得到视觉问答结果。
全文数据：
权利要求：
百度查询： 西安电子科技大学广州研究院;琶洲实验室(黄埔) 基于关系对齐的视觉问答方法、装置、设备、介质及产品
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号