| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 研究背景 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-21页 |
| 1.2.1 Attention结构的研究 | 第15-17页 |
| 1.2.2 特征融合的研究 | 第17-19页 |
| 1.2.3 基于外部知识的模型研究 | 第19-21页 |
| 1.2.4 对模型架构的研究 | 第21页 |
| 1.3 论文研究的主要内容与贡献 | 第21-23页 |
| 第2章 视觉问答介绍 | 第23-39页 |
| 2.1 任务描述 | 第23-24页 |
| 2.2 数据集 | 第24-28页 |
| 2.3 基础架构 | 第28-37页 |
| 2.3.1 图像编码 | 第28-30页 |
| 2.3.2 问题编码 | 第30-34页 |
| 2.3.3 Attention机制 | 第34-35页 |
| 2.3.4 特征融合 | 第35-37页 |
| 2.3.5 答案预测 | 第37页 |
| 2.4 评估方法 | 第37-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第3章 视觉问答模型的单模态特征融合 | 第39-49页 |
| 3.1 动机与方法 | 第39-40页 |
| 3.2 生成图像描述 | 第40-42页 |
| 3.3 单模态视觉问答模型 | 第42-43页 |
| 3.4 实验及结果 | 第43-47页 |
| 3.4.1 模型训练 | 第44页 |
| 3.4.2 实验设计与结果分析 | 第44-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 视觉问答模型中的特征增强 | 第49-67页 |
| 4.1 动机与方法 | 第49-50页 |
| 4.2 为图像区域增补文本特征 | 第50-53页 |
| 4.3 特征增强与Attention机制 | 第53-62页 |
| 4.3.1 模型设计 | 第53-56页 |
| 4.3.2 实验配置 | 第56-57页 |
| 4.3.3 特征增强模型间的比较 | 第57-59页 |
| 4.3.4 不同问题类型下的模型差异 | 第59-60页 |
| 4.3.5 不同特征增强方案下的Attention权重可视化 | 第60-62页 |
| 4.4 附带特征增强的视觉问答模型 | 第62-65页 |
| 4.4.1 模型设计与训练 | 第62-63页 |
| 4.4.2 与现有模型的比较 | 第63-65页 |
| 4.5 本章小结 | 第65-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 5.1 工作总结 | 第67-68页 |
| 5.2 讨论与展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间主要的研究成果 | 第75-77页 |
| 致谢 | 第77页 |