视觉问答处理方法、设备、计算机可读介质和程序产品
基本信息
| 申请号 | CN202110994133.5 | 申请日 | - |
| 公开（公告）号 | CN113722458A | 公开（公告）日 | 2021-11-30 |
| 申请公布号 | CN113722458A | 申请公布日 | 2021-11-30 |
| 分类号 | G06F16/332（2019.01）I;G06F40/279（2020.01）I;G06F40/35（2020.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G10L15/16（2006.01）I;G10L15/18（2013.01）I;H04N21/422（2011.01）I;H04N21/475（2011.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 连欢;朱飞 | 申请（专利权）人 | 海信电子科技（武汉）有限公司 |
| 代理机构 | 北京同立钧成知识产权代理有限公司 | 代理人 | 朱颖;刘芳 |
| 地址 | 430073湖北省武汉市东湖新技术开发区软件园东路1号软件产业4.1期B2栋13层02号-2 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本申请提供一种视觉问答处理方法、设备、计算机可读介质和程序产品。该方法包括：接收用户通过交互接口输入的提问指令，并获取提问指令及对应的显示画面；对提问指令的意图类型进行识别；若识别出意图类型为非通用类型，则将提问指令输入至对应的典型属性模型得到提问指令的答案信息；若识别出意图类型为通用类型，则将提问指令输入至通用视觉问答VQA模型以对提问指令与显示画面进行深度协同注意力学习，得到提问指令的答案信息；将指令的答案信息输出给用户。本申请的方法，针对提问的意图类型可输入至对应的典型属性模型或VQA模型，为从显示画面中确定提问指令的答案提供了更多维度的匹配方法，提升了视觉问答结果的准确率。 |
