مروری بر تکنیک ها و مجموعه داده های پاسخگویی به سوالات تصویری و معرفی بروزترین معماری های در حوزه پردازش متن

چکیده مقاله

پاسخگویی به سوالات تصویری VQA شاخه ای از یادگیری ماشین می باشد که هدف از آن بکاربردن الگوریتم های هوش مصنوعی برای حل مسائل بینایی ماشین و پردازش متن می باشد تکنیک های موثر برای پاسخگویی به سوالات تصویری مبتنی بر روش ها و معماری های پردازش تصویر و پردازش متن می باشند از آنجا که VQA مبتنی بر دو شاخهپرکاربرد از هوش مصنوعی میباشد، انتظار می رود که این موضوع تحقیقاتی در آینده از اهمیت ویژه ای برخوردار شود در این مقاله به مطالعه جامع این شاخه از یادگیری ماشین می پردازیم به طور مشخص، روش های برتر و رایج در این زمینه را به طور مفصل مرور می کنیم همچنین دیتاست های که محققان برای پیشبرد این زمینه توسعه داده اند و بکار می برند را معرفی می کنیم علاوه بر این روش ها و تکنیک های پردازش زبان طبیعی که در آینده ممکن است مورد توجه بیشتری قرار گیرند را بررسی می کنیم

کلیدواژه‌ها

نویسندگان

فاطمه قاسمی نژاد

دانشجوی تحصیلات تکمیلی، دانشگاه شهید باهنر کرمان، کرمان

مصطفی قاضی زاده احسائی

استادیار، دانشگاه شهید باهنر کرمان، کرمان

قاسمی نژاد، فاطمه و قاضی زاده احسائی، مصطفی،1402،مروری بر تکنیک ها و مجموعه داده های پاسخگویی به سوالات تصویری و معرفی بروزترین معماری های در حوزه پردازش متن،سومین کنفرانس ملی محاسبات نرم علوم مهندسی در صنعت و جامعه،ایرانشهر

ارائه‌شده در

مجموعه مقالات سومین کنفرانس ملی محاسبات نرم علوم مهندسی در صنعت و جامعه1 اسفند 1402 · ایرانشهر