پاسخ دهی خودکار به پرسش در سیستم پرسش و پاسخ بصری با استفاده از شبکه عصبی کانولوشنیResNeXt و شبکه عصبی بازگشتی GRU دوسویه

سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 288

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

SCAR07_001

تاریخ نمایه سازی: 21 خرداد 1402

چکیده مقاله:

سیستم پرسش و پاسخ بصری از دو بخش کلی پردازش تصویر و پردازش متن تشکیل شده است. در این سیستم ها یک پرسش در مورد تصویر توسط کاربر مطرح شده و سیستم وظیفه دارد با توجه به تصویر پاسخ را پیش بینی کرده و به کاربر نمایش دهد. عمده تلاش محققان افزایش دقت صحت پاسخ پیش بینی شده در این سیستم ها است. از این رو در این مقاله نیز ما یک سیستم پرسش و پاسخ بصری معرفی و طراحی کردیم که برای پردازش تصویر ورودی از شبکه عصبی کانولوشنی با معماری ResNeXt با ۱۰۱ لایه و برای پردازش متن از شبکه عصبی بازگشتی از نوع GRU دوسویه استفاده می کند. همچنین از مدل زبانی Glove جهت تعبیه‎سازی کلمات متن ورودی استفاده خواهد شد. جهت نتیجه گیری بهتر در مدل پیشنهادی از سازوکار توجه چندسر نیز استفاده شده است. برای ارزیابی مدل پیشنهادی از هر دو نسخه مجموعه داده VQA، یعنی VQA۱.۰ و VQA۲.۰ استفاده می شود.

کلیدواژه ها:

پرسش و پاسخ بصری ، شبکه عصبی کانولوشنی ، شبکه عصبی بازگشتیGRU دوسویه ، مجموعه دادهVQA ، سازوکار توجه چندسر.

نویسندگان

امیر شکری

دانش آموخته کارشناسی ارشد هوش مصنوعی، دانشگاه سمنان

علیرضا غلام نیا

دانشجو کارشناسی ارشد هوش مصنوعی، دانشگاه سمنان