GVQA 以下论文中的“地面视觉问答”（GVQA）模型的代码： 艾西瓦娅·阿格劳瓦尔（Aishwarya Agrawal），德鲁·巴特拉（Dhruv Batra），德维·帕里克（Devi Parikh），阿尼鲁达（Aniruddha Kembhavi） 2018年IEEE计算机视觉和模式识别会议（CVPR） 推断码 GVQA模型包含以下模块： 问题分类器 视觉概念分类器（VCC） 答案簇预测器（ACP） 概念提取器（CE） 答案预测器（AP） 视觉验证器（VV） 为了对GVQA进行推断，我们需要按顺序对上述每个模块进行推断，以便将来自一个模块的预测用作以下模块的输入功能。 因此，首先我们在问题分类器上进行如下推断： th eval_question_classifier.lua 然后，我们在VCC模块上运行推断，如下所示： th eval_vcc.lua 然后

视觉问题回答项目，具有最先进的单一模型性能

介绍之前的模型和法欢迎来到Transformer的时代1. VQA任务简介VQA 介于图像理解（CV）和然语处理（NLP）的交集。VQA 任务的的是开发出种系统

VQA VQA项目

vqa_dict.json

基于Tensorflow的视觉问答系统VQA

奥斯卡：针对视觉和语言任务的对象语义对齐预训练 VinVL：重新研究视觉语言模型中的视觉表示 更新 月28日：已发布有关下游任务的模型，请检查 。 2020年5月15日：发布了用于下游任务微调的预训练模型，数据集和代码。 01/13/2021：我们的新工作提出了OSCAR +，这是OSCAR的改进版本，并提供了更好的对象属性检测模型来提取V + L任务的特征。 VinVL的工作在这里的所有七个V + L任务中都达到了SOTA性能。请继续关注模型和代码发布。 20年3月8日：发布了Oscar +预培训代码，请检查的最后一部分。 VinVL中的所有图像功能和模型检查点也已发布。请检查以获取详细信息。 介绍 该存储库包含重现《提出的结果所必需的源代码。我们提出了一种新的交叉模式预训练方法Oscar （对象语义对齐的预训练）。它利用在图像中检测到的对象标签作为锚点，从而大大简化了图像-文本对齐方

变形金刚 对VQA任务进行下行趋势化的预训练V + L模型的实现。 现在支持：Linux和上的VisualBERT，LXMERT和 。 笔记： 这只是一个测试版，如果遇到任何错误，请随时提出问题。 我们的实现基于的大型。 如果您采用V + L模型的预训练权重，请考虑引用其原始工作。 如果您发现我们的实施有帮助，请考虑引用以下内容：） @inproceedings{li2020comparison, title={A comparison of pre-trained vision-and-language models for multimodal representation learning across medical images and reports}, author={Li, Yikuan and Wang, Hanyin and Luo, Yuan},

VQA演示 已更新为可与Keras 2.0，TF 1.2和Spacy 2.0一起使用。此代码用于教育，因此重点在于简单性而不是速度。 这是一个简单的视觉问题演示演示，它使用预先训练的模型（请参阅models / CNN和models / VQA）来回答有关给定图像的给定问题。 相依性 Keras版本2.0+ 基于python的模块化深度学习库 Tensorflow 1.2+（可能也可以与Theano一起使用。最近提交后我还没有测试过Theano，请为Theano使用提交0f89007） scikit学习 python的经典机器库 Spacy版本2.0+ 用于加载手套矢量（word2vec） 升级和安装手套矢量python -m spacy下载en_vectors_web_lg OpenCV OpenCV仅用于调整图像大小和更改颜色通道， 您可以使用其他库，只要您可以传递224

停车VQApi 这个项目最初是一个 PoC，关于使用魁北克 Ville 的开放数据来查找我附近的可用停车位。 版权所有 (C) 2014 Mathieu Rhéaume 该程序是免费软件：您可以根据自由软件基金会发布的 GNU 通用公共许可证（许可证的第 3 版或（由您选择）任何更高版本）的条款重新分发和/或修改它。 分发此程序是希望它有用，但不作任何保证； 甚至没有对适销性或针对特定目的的适用性的暗示保证。 有关更多详细信息，请参阅 GNU 通用公共许可证。 您应该已经收到一份 GNU 通用公共许可证以及该程序。 如果没有，请参阅 。