「洞幺邦」基于深度学习生成自己的图像问答模型

关键词：图像问答 深度学习 卷积神经网络 循环神经网络 python

VQA 是什么？：Visual Question Answering

我们可以这样定义:“视觉问答(VQA)是一种系统，它将图像和自然语言问题作为输入， 并生成自然语言答案作为输出。”

就和下面这张图片类似：输入这张图片和问题，我们期望的答案或许是 black and banana。

VQA 的应用：盲人的视觉问答，搜索引擎（不单单是以图搜图或者以文字搜信息，而是结合 图+问题，搜索出答案），智能驾驶领域，医疗问答等领域。

VQA 的框架：视觉问题回答可以分为两个部分，即图像和文本。使用卷积神经网络(用于图像数据)和循环神经网络(用于文本数据)来表示神经网络方法来解决这个问题。主要思想是从 CNN 得到图像的特征，从 RNN 得到文本的特征，最后将它们组合起来，通过一些完全连接的层来生成答案。