بهبود دقت صحت پاسخ در سیستم پرسش و پاسخ بصری با استفاده از شبکه های عصبی عمیق و توجه نرم

افزایش دقت صحت پاسخ پیش بینی شده در سیستم های پرسش و پاسخ بصری همواره به عنوان یک چالش در نظر گرفتهمی شود. محققان و پژوهشگران در این حوزه همواره در تلاشند تا با استفاده از شبکه های عصبی جدید و کارآمد و ارائهمعماری ها و ساختارهای گوناگون، دقت صحت پاسخ پیش بینی شده در سیستم های پرسش و پاسخ بصری را افزایش دهند.از همین رو ما در این پژوهش با ارائه یک سیستم پرسش و پاسخ بصری با ساختاری جدید در تلاش برای افزایش دقتصحت پاسخ پیش بینی شده در این سیستم ها نسبت به کارهای پیشین هستیم. در مدل پیشنهادی این مقاله از شبکه هایعصبی پیچشی و بازگشتی و همچنین سازوکار توجه نرم استفاده شده است. برای آموزش مدل پیشنهادی نیز از هر دو نسخهمجموعه داده VQA استفاده کردیم. در نهایت نتایج بدست آمده نشان دهنده ی این موضوع است که مدل پیشنهادی در این پژوهش نسبت به مدل های موجود برای پرسش و پاسخ بصری که از مجموعه داده VQA۱.۵ استفاده کرده اند. دقت بیشتری را دارا می باشد.

کلیدواژه ها:

سیستم پرسش و پاسخ بصری ، شبکه عصبی پیچشی ، شبکه عصبی بازگشتی ، سازوکار توجه نرم ، مجموعه داده VQA