期刊专题

10.11896/jsjkx.191200015

视觉问答中问题处理算法研究

引用
当前对视觉问答(Visual Question Answering,VQA)建模的研究多种多样,但现有的VQA模型有一个共同的缺点:训练和推理较为耗时.研究表明,VQA模型中文本处理部分主要基于长短期记忆网络(Long Short Term Memory,LSTM),而VQA模型的整体性能也受制于文本处理部分的LSTM网络,由于LSTM网络具有循环的特性,LSTM网络中复杂的数据流难以有效利用GPU的并行计算优势来加速计算.针对以上问题,以优化模型的训练速度为目的,提出了一个新模型SCMP(Sim-ple Conv1d MaxPool1d)来代替LSTM网络处理输入模型的自然语言文本.在VQA2.0数据集上的实验结果表明,该模型与现有的模型相比训练速度提高了10倍,并且没有对VQA模型的精度造成损失.此外,文中提出了一种新颖的方法来对VQA2.0数据集中的文本数据进行数据增强.实验结果表明,数据增强可以提高VQA模型的精度,同时加速模型收敛,使用增强后的数据训练的模型(SCMP)在验证集上的评估分数为63.46%,优于目前现存的VQA模型.

视觉问答、自然语言处理、卷积神经网络、长短期记忆网络、词嵌入

47

TP391(计算技术、计算机技术)

国家自然科学基金;中国科学院战略性先导科技专项;上海市科学技术委员会科研计划项目

2020-11-17(万方平台首次上网日期,不代表论文的发表时间)

共5页

226-230

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

47

2020,47(11)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn