一种基于深层推理注意力机制的视觉问答方法

摘要

本发明提供一种基于深层推理注意力机制的视觉问答方法，其特征是：包括以下步骤：步骤一：获取文本特征和图像特征编码向量；步骤二：将文本特征和图像特征映射到同一个空间进行交互推理学习；步骤三：答案预测。本发明的主要目的是解决如何高效的提取视觉特征和文本特征，同时对其实现更细粒度的推理。本发明引入记忆网络模型去存储关键信息，进而提升模型的推理能力。通过在基准数据集VQAv2数据集测试，该模型取得了有竞争力的结果。