[发明专利]视觉问答模型、电子设备及存储介质

权利要求书

1.一种视觉问答模型，其特征在于，所述视觉问答模型包括图像编码器和文本编码器；

其中，所述文本编码器用于通过对输入的问题文本的词向量序列做池化处理，以提取所述问题文本的语义表征向量；

所述图像编码器用于结合所述语义表征向量提取给定图像的图像特征。

2.根据权利要求1所述的模型，其特征在于，所述文本编码器具体用于：

通过对输入的问题文本的词向量序列做最大化池化处理，或平均化池化处理，以提取所述问题文本的语义表征向量。

3.根据权利要求2所述的模型，其特征在于，所述最大化池化处理用如下公式表示：

f(w1,w2,……,wk)＝max([w1,w2,……,wk],dim＝1)

其中，f表示最大化池化处理函数；k为所述问题文本中所包含的词向量数目；wi为利用预先训练的词向量模型对所述问题文本进行处理并得到的第i个词向量，i为[1,k]中的自然数；max([w1,w2,……,wk],dim＝1)表示词向量w1,w2,……,wk中，每个词向量对应维度取最大值。

4.根据权利要求2所述的模型，其特征在于，所述平均化池化处理用如下公式表示：

其中，p表示平均化池化处理函数；k为所述问题文本中所包含的词向量数目；wi为利用预先训练的词向量模型对所述问题文本进行处理并得到的第i个词向量，i为[1,k]中的自然数；表示词向量w1,w2,……,wk中，每个词向量对应维度的数值之和。

5.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器运行如权利要求1-4中任一所述的视觉问答模型。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时运行如权利要求1-4中任一所述的视觉问答模型。