Stacked Attention Networks for Image Question Answering閱讀筆記

本文提出了一種學習從圖像中回答自然語言問題的疊層注意力網絡（SANs）。SANs使用問題的語義表示作爲查詢來搜索圖像中與答案相關的區域。 文章鏈接：Stacked Attention Networks for Image Question Answering 一、模型 SAN由三個主要部分組成： （1）圖像模型，使用CNN提取高級圖像表示； （2）問題模型，使用CNN或LSTM提取問題的語義向量；

>>阅读原文<<