项目类型

项目类别

最新

热搜企业:

复赛Public榜15th, Private榜8th,晋级榜6th,决赛5th,本项目是复赛复现项目,运行于model/目录下,gpu为4块

原始仓库地址:https://github.com/sxpro/naic2019-ai-4khdr-.git

浏览量:181 下载量:0 项目类别: VQA
6 months前更新
Fork 0 关注 0

本项目是基于PyTorch实现的用于关系推理的简单神经网络模块(Relational Networks),用于解决视觉推理(Visual Question Answering,VQA)任务。本项目使用LSTM编码question, 然后跟两两配对的spatial cell的deep feature叠加,然后后面接一些FC layers最后使用softmax求得答案的概率分布。

原始仓库地址:https://github.com/kimhc6028/relational-networks.git

浏览量:36 下载量:0 项目类别: VQA
7 months前更新
texttopicnet Python
Fork 0 关注 0

本项目通过挖掘大规模多模态网络文档的大规模语料库(例如维基百科文章),以自监督的方式来学习视觉特征。本方法能够通过训练一个 CNN 模型,针对特定出现并作为描述的图片,预测其文本的上下文语义信息并高效地学习视觉特征。也就是说,使用流行的文本嵌入技术,以自监督学习的方式训练深度 CNN。

原始仓库地址:https://github.com/lluisgomez/texttopicnet.git

浏览量:42 下载量:0 项目类别: VQA
7 months前更新
Fork 0 关注 0

本项目从Mengye Ren、Ryan Kiros和Richard Zemel对图像问答模型和数据的探索入手,对VIS + LSTM可视化问答模型进行了一个实验性的Torch实现。

原始仓库地址:https://github.com/abhshkdz/neural-vqa.git

浏览量:1211 下载量:921 项目类别: VQA
about 1 year前更新
Fork 0 关注 0

**bottom-up-attention-vqa**是一个高效的PyTorch实现了的2017年VQA挑战赛的获奖项目。 遵循了“自下向上和自顶向下关注图像字幕和可视化问题回答”(https://arxiv.org/abs/1707.07998)和“可视化问题回答技巧和技巧:从2017年挑战中学习”(https://arxiv.org/abs/1708.02711)中描述的VQA系统。

原始仓库地址:https://github.com/hengyuan-hu/bottom-up-attention-vqa.git

浏览量:1431 下载量:806 项目类别: VQA
about 1 year前更新
VQA Python
Fork 0 关注 0

这个版本包括: - 82,783张MS COCO训练图片,40,504张MS COCO验证图片,81,434张MS COCO测试图片(图片来自[MS COCO网站][mscoco.org/dataset/#download]) - 训练问题443,757题,验证问题214,354题,测试问题447,793题 - 训练答案4,437,570份,验证答案2,143,540份(每题10份)

原始仓库地址:https://github.com/GT-Vision-Lab/VQA.git

浏览量:1335 下载量:904 项目类别: VQA
about 1 year前更新
vqa.pytorch Python
Fork 1 关注 0

该报告由Remi Cadene (LIP6)和Hedi Ben-Younes (LIP6- heuritech)制作,他们是UPMC-LIP6的两个从事VQA研究的博士生,他们的教授Matthieu Cord (LIP6)和Nicolas Thome (LIP6- cnam)。我们在一篇名为MUTAN: Multimodal Tucker Fusion for VQA的研究论文框架下开发了这段代码,据我们所知,这是目前VQA 1.0数据集上最先进的技术。 这个repo的目标有两个方面: - 使我们的结果更容易重现; - 为社区进一步研究其他VQA数据集提供一个高效和模块化的代码库。

原始仓库地址:https://github.com/Cadene/vqa.pytorch.git

浏览量:2042 下载量:585 项目类别: VQA
about 1 year前更新

ihub@pcl.ac.cn 鹏城实验室人工智能研究中心

版权所有:鹏城实验室    粤ICP备18066427号-6    Powerd by 国防科技大学Trustie