In Defense of Grid Features for Visual Question Answering論文閱讀

In Defense of Grid Features for Visual Question Answering 論文閱讀 Abstract 作爲「自底向上」關注，基於邊界框（或區域）的視覺特徵最近已經超過了普通的基於網格的卷積特徵，成爲視覺和語言任務（如視覺問題回答（VQA））的事實標準。然而，還不清楚地區的區域（例如更好的定位）是否是自下而上注意力成功的關鍵原因。在這篇文章中，我們重新審視了

>>阅读原文<<