基于VGG和LSTM网络的视觉问答系统研究与应用.pdfVIP

基于 VGG 和 LSTM 网络的视觉问答系统研究 与应用 摘 要 随着互联网的发展,人类可以获得的数据信息量呈指数型增长,我们能够 数据中获得的知识也大大增多,人工智能的研究和应用再一次焕发活力。随着人 工智能应用的不断发展,近年来,产生了有关视觉问答 (Visual Question answering，VQA)的研究,并发展成为人工智能应用的一大热门问题。视觉问答 任务是一个多领域、跨学科的任务，以一张图片和一个关于图片形式自由、开 [1] 放式的自然语言问题作为输入，以生成一条自然语言答案作为输出 。简单来 说，VQA 就是对给定的图片进行问答。本设计结合当前 VQA 的研究现状，基于 深度学习理论，研究了 VGG+LSTM 网络的视觉问答系统，即用VGG 网络对图片进 行特征提取，用 LSTM 网络对问题进行特征提取和系统输出答案的特征生成。最 终将这一复杂的人工智能系统，转化为一个多分类问题，实现了对一张图片用 自然语言句子进行提问，然后用自然语言的一个单词来回