一种图像文本视觉问答方法、系统及存储介质

(19)中华人民共和国国家知识产权局

	(12)发明专利说明书
		(10)申请公布号 CN 114092707 A (43)申请公布日 2022.02.25

(21)申请号 CN202111368159.5

(22)申请日 2021.11.18

(71)申请人华中师范大学

地址 430079 湖北省武汉市洪山区珞喻路152号

(72)发明人曾江峰马霄段尧清文轩兰又铭黄泳潼

(74)专利代理机构 11429 北京中济纬天专利代理有限公司

代理人单天禹

(51)Int.CI

G06V10/42(20220101)

G06V10/80(20220101)

G06V20/62(20220101)

G06V30/19(20220101)

G06K9/62(20220101)

权利要求说明书说明书幅图

(54)发明名称

一种图像文本视觉问答方法、系统及存储介质

(57)摘要

本发明公开了一种图像文本视觉问答方法、系统及存储介质。所述方法包括：获取目标图像对象和目标问题对象；进行特征提取，获得图像视觉特征、图像文本特征、问题文本特征；将所述图像视觉特征、图像文本特征和所述问题文本特征转化到同一特征空间，对同一维度的图像视觉特征、图像文本特征和问题文本特征进行融合；将编码了跨模态和模态内部关系的图像视觉特征、图像文本特征和问题文本特征输入答案生成模块，获得目标答案。采用本发明所述的方法进行图像文本视觉问答任务，步骤简单、效率高、准确率高。

法律状态

法律状态公告日	法律状态信息	法律状态
2022-02-25	公开	公开
2022-03-15	实质审查的生效IPC(主分类):G06V10/42专利申请号:2021113681595申请日:20211118	实质审查的生效