# 毕业设计
对于视觉问答（VQA）的研究具有深刻的学术意义和广阔的应用前景。目前，视觉问答模型性能提升的重点在于图像特征的提取，文本特征的提取，attention权重的计算和图像特征与文本特征融合的方式这4个方面。本文主要针对attention权重的计算和图像特征与文本特征融合这两个方面，以及其他细节方面的地方相对于前人的模型做出了改进。本文的主要工作在于本文使用open-ended模式，答案的准确率采用分数累积，而不是一般的多项选择。本文采用CSF模块（包括CSF_A和CSF_B）不仅对spatial-wise进行了权重计算，还对channel-wise进行了权重计算。本文采用MFB模块和ResNet152 FC层之前的tensor来结合LSTM的输出来计算每个区域的权重，而不是直接把image feature和question feature结合本文采用SigMoid来计算最后的分布，而不是一般的softmax(实验部分会有对比两者的差异)。
# 总体模型的架构
毕业设计_ 基于深度学习的视觉问答.zip （69个子文件） 
基于深度学习的视觉问答源代码 
model.png 87KB
VQA02DataProcess.py 10KB MFHBaseline.py 9KB record current_['m']_freq_0_layer_0_csf_0.log 10KB current_['b']_freq_0_layer_0_csf_0.log 11KB current_['b']_freq_0_layer_2_csf_0.log 11KB current_['b']_freq_0_layer_1_['cs']_1.log 11KB current_['b']_freq_0_layer_0_['csf']_g_0_co_1.log 25KB current_['b']_freq_0_layer_3_['cs']_g_0_co_0.log 38KB current_model_['b']_freq_1_layer_1.log 6KB current_['b']_freq_0_layer_3_['csf']_g_0_co_0.log 25KB current_['b']_freq_0_layer_1_csf_0.log 11KB current_['b']_freq_0_layer_2_['cs']_g_0_co_0.log 25KB current_['b']_freq_0_layer_0_['csf']_g_0_co_0.log 25KB current_['b']_freq_0_layer_2_['cs']_0.log 11KB current_['b']_freq_0_layer_3_['cs']_0.log 11KB current_model_['b']_freq_1_layer_0.log 6KB current_['m']_freq_0_layer_1_['cs']_g_0_co_0.log 25KB current_['b']_freq_0_layer_1_['cs']_0.log 11KB current_['b']_freq_0_layer_1_['cs']_g_0_co_0.log 25KB TEST.py 2KB VQA02train.py 17KB VQA01dataset.py 5KB TMP.py 10KB VQA02dataset.py 6KB data 
COCO_train2014_000000000009.jpg 219KB VQA01ImageProcess.py 7KB predict.py 1KB modelResNet.py 12KB readme 751B VQA01Baseline.py 6KB VQAv1Dataloader.py 6KB eval_tools.py 2KB CSFMODEL.py 7KB draft.py 7KB VQA02ImageProcess2.py 4KB npy_h5py.py 2KB modules.py 11KB DataLoader.py 4KB VQA02getdata.py 9KB resnet.py 10KB VQA02ImageProcess.py 4KB vqa-tools PythonEvaluationTools vqaEvaluation vqaEval.py 8KB __init__.py 18B __pycache__ vqaEval.cpython-36.pyc 7KB __init__.cpython-36.pyc 159B vqaEvalDemo.py 3KB PythonHelperTools vqaTools __init__.py 24B vqa.py 7KB __pycache__ vqa.cpython-36.pyc 7KB vqaDemo.py 2KB
答辩.pptx 3.66MB .gitignore 15B __pycache__ MFHMODEL.cpython-35.pyc 6KB CSFMODEL.cpython-35.pyc 4KB DataLoader.cpython-35.pyc 3KB VQA02DataProcess.cpython-35.pyc 133B config.cpython-35.pyc 3KB VQAv1Dataloader.cpython-35.pyc 4KB modules.cpython-35.pyc 7KB MFHBaseline.cpython-35.pyc 5KB resnet.cpython-35.pyc 9KB modelVGG.py 11KB VQA01DataProcess.py 7KB README.md 1KB MFHMODEL.py 11KB VQAREesNet.py 12KB
readme.txt 4KB config.py 4KB资源评论
叮当612024-06-21资源内容详实，描述详尽，解决了我的问题，受益匪浅，学到了。
程序员张小妍
- 粉丝: 1w+
- 资源: 3686
最新资源
- 三相逆变器重复控制 在simlink中搭建了逆变器的重复控制模型，滤波器环节采用了陷波器与二阶低通滤波器 逆变器输出电压的THD仅仅只有0.52% 整个仿真全部离散化，采用离散解析器，主电路与控
- 西电2024秋微机原理实验报告和代码
- 关于C语言的员工信息管理系统+源代码
- java通过使用opencv 自动匹配目标
- update-configuration
- WCS后台服务C#源码 OPC连接OPC SERVER
- LSTM 时间序列预测 优化算法 lstm做时间序列预测，数据格式是一维，替数据就可以使用，算法内有注释 Matlab 代码 同时还有SSA-LSTM sma lstm pso lstm 等
- 并网逆变器PQ控制 逆变器采用两电平逆变器，通过功率闭环控制，实现并网单位功率因数，即并网电流与网侧电压同相位 为了得到电网电网相位，采用基于双二阶广义积分器的锁相环，该锁相环可以快速准确无误的得
- 基于大型语言模型的智能体记忆机制综合调研与应用分析
- buck-boost变器的非线性PID控制，主电路也可以成别的电路 在经典PID中引入了两个TD非线性跟踪微分器，构成了非线性PID控制器 当TD的输入为方波时，TD的输出，跟踪方波信号也没有超调
- PWM整流器仿真 在simulink中搭建了PWM整流器，采用电压电流双闭环控制，实现了网侧电压与电流同相位，单位功率因数运行 采用基于双二阶广义积分器的锁相环，锁得电网相位 整个仿真全部离散化
- 遗传算法优化BP预测 GA-BP神经网络 matlab源码
- 基于广义加性预测模型GAM建立多特征输入单个因变量输出的拟合预测模型 程序内注释详细，直接替excel数据就可以使用 程序语言为matlab
- COMSOL光学模型：锥形光纤模式传输，可参数化分析锥区长度和直径、腰区长度等对模式和传输光谱的影响 本模型只是一个参数的例子没有进行参数化扫描
- 1.Matlab实现TPA-LSTM Attention-LSTM多变量回归预测； 2.运行环境为Matlab2020b； 3.Train为训练集数据，Test为测试集数据，TPAMain.m为主程序
- 03 MATLAB Simulimk 低压用户型电能路由器仿真模型(光伏发电+储能+逆变孤网运行) 包含Boost、Buck-boost双向DCDC、单向逆变三大部分 boost电路应用mppt， 采
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
