基于多角度融合與聯(lián)合記憶網(wǎng)絡(luò)的視頻問答認(rèn)知模型

打開文本圖片集

摘  要： 為了解決現(xiàn)有視頻問答模型認(rèn)知推理能力不足的問題，引入旁觀者記憶模塊，提出了基于多角度融合與聯(lián)合記憶網(wǎng)絡(luò)的機(jī)器認(rèn)知模型. 該模型根據(jù)問題定位目標(biāo)對象，獲得視頻中對應(yīng)的區(qū)域特征，同時(shí)聯(lián)合視頻的運(yùn)動(dòng)特征和外觀特征，通過加入時(shí)間注意力機(jī)制的門控循環(huán)單元，有效地融合問題特征和視頻特征，用（剩余21607字）