申请/专利权人:江苏建筑职业技术学院
申请日:2023-10-30
公开(公告)日:2024-06-25
公开(公告)号:CN118015389B
主分类号:G06V10/77
分类号:G06V10/77;G06V10/80;G06V10/82;G06F17/18;G06N3/0499
优先权:
专利状态码:有效-授权
法律状态:2024.06.25#授权;2024.05.28#实质审查的生效;2024.05.10#公开
摘要:本发明提供了一种基于混合条件变分自编码的多样化图像描述生成方法,包括:分别获取输入的图像和文本的视觉特征和生成文本描述,引入句子级全局隐向量和单词级序列隐向量,构建混合条件变分自编码生成模型;获取基于时间步的变分证据下界,利用全局条件变分编码网络、条件序列变分编码网络和解码网络优化变分证据下界。
主权项:1.一种基于混合条件变分自编码的多样化图像描述生成方法,其特征在于,包括:分别获取输入的图像和文本的视觉特征I和生成文本描述x,引入句子级全局隐向量g和单词级序列隐向量s=[s1,s2,...,sT],构建混合条件变分自编码生成模型,其中T表示描述语句中单词个数;获取基于时间步的变分证据下界,利用全局条件变分编码网络、条件序列变分编码网络和解码网络优化变分证据下界;其中混合条件变分自编码生成模型为:pθx,g,s|I=pθg|Ipθs|I,gpθx|I,g,s其中,pθg|I、pθs|I,g、pθx|I,g,s为先验条件分布;基于时间步的变分证据下界为: 其中,表示用于生成单词序列的对数似然,DKLqφ1g|I,x||pθg|I表示句子级全局隐向量g的后验分布qφ1g|I,x和条件先验pθg|I之间的KL散度,表示每个时间步单词对应的序列隐向量st的后验qφ2st|s<t,x,I,g和条件先验pθst|s<t,x<t,I,g之间的KL散度之和。
全文数据:
权利要求:
百度查询: 江苏建筑职业技术学院 基于混合条件变分自编码的多样化图像描述生成方法
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。