首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

用于图像问答的深层注意力网络结构研究

摘要第3-4页
Abstract第4页
第一章 绪论第8-14页
    1.1 研究背景第8-9页
    1.2 研究现状第9-12页
    1.3 本文研究工作第12-13页
    1.4 论文结构第13-14页
第二章 图像特征与文本表示方法第14-22页
    2.1 图像特征表示方法第14-17页
        2.1.1 基本图像特征表示第14-16页
        2.1.2 深层图像特征表示第16-17页
    2.2 文本表示方法第17-22页
        2.2.1 文本预处理第17-19页
        2.2.2 常见文本表示模型第19-22页
第三章 图像问答网络结构分析及其改进第22-44页
    3.1 卷积神经网络第22-28页
        3.1.1 BP神经网络第22-24页
        3.1.2 卷积神经网络结构第24-28页
    3.2 长短期记忆网络第28-31页
        3.2.1 循环神经网络第28-29页
        3.2.2 长短期记忆网络的结构第29-31页
    3.3 图像文本融合模型--注意力网络第31-36页
        3.3.1 注意力机制基本原理第32-34页
        3.3.2 单层注意力机制第34-35页
        3.3.3 双层注意力网络第35-36页
    3.4 融合模型的改进--深层注意力网络第36-44页
        3.4.1 深层注意力网络的基本原理第37-39页
        3.4.2 深层注意力网络结构设计第39-44页
第四章 基于深层注意力网络的图像问答方法实现第44-60页
    4.1 基于卷积神经网络的图像特征表示第44-47页
        4.1.1 网络选取第44-46页
        4.1.2 图像特征表示第46-47页
    4.2 基于长短期记忆网络的文本表示第47-48页
    4.3 图像问答的方法实现第48-60页
        4.3.1 图像问答数据集第48-50页
        4.3.2 图像问答测评手段第50-51页
        4.3.3 图像问答实现步骤第51-52页
        4.3.4 图像问答结果与分析第52-60页
第五章 总结第60-61页
附录第61-63页
参考文献第63-69页
攻读硕士学位期间完成的科研成果第69页
攻读硕士学位期间完成的科研项目第69-70页
致谢第70页

论文共70页,点击 下载论文
上一篇:基于模式融合挖掘巨型频繁空间co-location模式
下一篇:基于改进Criminisi算法的云南壁画修复研究