A-Probabilistic-Visual-Question-Answering-Model-Based-VQA:视觉问答（V...

基于概率视觉问题的回答模型 视觉问答（VQA）是一个系统，该系统将图像作为输入和关于图像的问题，并使用复杂的推理生成自然语言的答案。 因此，VQA需要对图像有详细的了解，并需要复杂的原因来预测答案。 该项目引入了一种预训练模型（VGGNet）来提取图像特征，并使用Word2Vec嵌入单词，使用LSTM来从问题中获取单词特征，将结果组合后将预测出具有最高概率的答案。 所需的包 spacy tensorflow == 2.2.0 Keras == 2.3.1随机泡菜gc运算符集合itertools numpy pandas scipy scikit-learn matplotlib Craft.io流程图： 该模型基本上是作为输入并从数据集中获取图像，然后提取文本特征和图像特征，并在组合这些特征后以最高概率预测答案。 对于问题，我们使用Word2Vec提取功能。 对于图像，我们将从预先训练的