- 课程结构
- 图像问答的描述
- 具备一系列AI能力：细分识别，物体检测，动作识别，常识推理，知识库推理.....
- 先要根据问题，判断什么任务
- 图像问题与图像描述的关系
- 研究的难点和挑战
- 研究方向
数据集
- COCO-QA来源MSCOCO
- VQA（visual question answering）
- 平衡数据集V1.9-->V2.0
- Visual7W---Visual Genome的子集
图像问答模型
- 模型
- 基本都是VGG-Net和ResNet,LSTM模型
- LSTM：三个门和记忆状态
- 基本模型
模型增强：注意机制
- 基本模型
模型增强：外部知识库
- 基本模型
- 属性预测模型