文献

J-GLOBAL ID：202202248978209080   整理番号：22A0788086

視覚質問応答のための質問指向クロスモーダル共注意ネットワーク【JST・京大機械翻訳】

Question-oriented cross-modal co-attention networks for visual question answering

著者 (3件)： Guan Wei (School of digital arts, Xi’an University of Posts and Telecommunications,Xi’an,China) ,  Wu Zhenyu (School of digital arts, Xi’an University of Posts and Telecommunications,Xi’an,China) ,  Ping Wen (School of digital arts, Xi’an University of Posts and Telecommunications,Xi’an,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCECE  ページ： 401-407  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： テキストと画像情報を扱う視覚質問応答(VQA)タスクにおける既存の交差モード共注意モデルが焦点を欠いているという問題を目的として,質問指向交差モード共注意ネットワークを提案した。ネットワークは,マルチモーダル特徴抽出モジュール,質問指向交差モード共注意モジュール,特徴融合モジュール,および分類器から成る。抽出画像と質問特徴は,注意の層を通過した後に,加重注意特徴によってそれぞれ出力する。特徴の線形融合の後,質問に対する予測回答を得るために,ソフトMax分類器に供給した。最後に,計数モジュールと組み合わせて,モデルの計数能力を改善した。結果は,モデルが公開データセットVQA v2.0に関してよく機能して,試験_devと試験_stdに関して,それぞれ70.71%と70.78%の全体的分類精度を得て,それは大部分の先進モデルと比較していくつかの利点を示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *視覚 ,  *ネットワーク ,  特徴抽出 ,  線形性 ,  多モード
準シソーラス用語： 画像情報 ,  分類会計機 ,  Max ,  分類精度 ,  特徴融合 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 視覚 ,  質問応答 ,  質問 ,  注意