BAG: Bi-directional Attention Entity Graph Convolutional Network for Multi-hop Reasoning Question Answering
The University of Sydney(悉尼大学);Tencent Robotics X(腾讯机器人X实验室)
多跳推理问答需要深入理解各种文档和查询之间的关系。我们提出了一个双向注意实体图卷积网络(BAG),利用实体图中的节点之间的关系和查询和实体图之间的注意力信息,来解决这个问题。图卷积网络用于获得从具有多级特征的文档构建的实体图的节点的关系感知表示。然后,双向注意力应用于图和查询,以生成查询感知节点表示,这将用于最终的预测。实验评估表明,BAG在QAngaroo WIKIHOP数据集上实现了最先进的精度性能。
2019-04-10 cs.AI cs.CL cs.LG
Exploring the Effectiveness of Convolutional Neural Networks for Answer Selection in End-to-End Question Answering
David R. Cheriton School of Computer Science, University of Waterloo(滑铁卢大学 David R. Cheriton 计算机科学学院);Department of Computer Science, University of Maryland(马里兰大学计算机科学系)
目前自然语言问答的大部分工作都集中在答案选择上:给定一个候选句子列表,确定哪个包含答案。答案选择虽然重要,但只是标准端到端问答管道中的一个阶段。本文探讨了卷积神经网络(CNN)在端到端环境中使用标准TrecQA数据集进行答案选择的有效性。我们观察到,一个简单的idf加权词重叠算法形成了一个非常强大的基线,尽管社区在应用深度学习来解决答案选择方面做出了大量努力,但在这个数据集上的收益充其量是适度的。此外,目前还不清楚CNN是否比基于标准检索指标的端到端上下文中的基线更有效。为了进一步探索这一发现,我们进行了手动用户评估,确认来自CNN的答案明显优于来自idf加权单词重叠的答案。这一结果表明,用户敏感的答案选择质量相对较小的差异。
2017-07-25 cs.CL cs.IR
Attention-based Pairwise Multi-Perspective Convolutional Neural Network for Answer Selection in Question Answering
Faculty of Computer Engineering, University of Isfahan(伊斯法罕大学计算机工程学院)
在过去的几年中,问答和信息检索系统已经变得广泛使用。这些系统试图从原始文本源中找到所问问题的答案。这些系统的一个组成部分是答案选择,它从候选答案中选择最相关的答案。句法相似度主要用于计算相似度,但在最近的工作中,已经使用了深度神经网络,在这一领域取得了显着的进步。在这项研究中,提出了一个模型来选择最相关的答案的事实性问题的候选答案。该模型使用卷积神经网络,根据与问题的语义和句法相似性对候选答案进行排名。在本研究中,注意力机制和稀疏特征向量利用上下文敏感的问题和回答句子之间的相互作用。宽卷积增加了疑问词的重要性。成对排序用于学习可微表示以区分肯定和否定答案。我们的模型表明,TrecQA Raw在MAP中的表现强劲,比之前最先进的系统高出1.4%,在MRR中高出1.1%,同时没有使用额外的语法分析器和外部工具。结果表明,使用上下文敏感的问答句之间的相互作用,可以帮助更准确地找到正确的答案。
2019-11-11 cs.CL
Location Aware Modular Biencoder for Tourism Question Answering
The University of Melbourne(墨尔本大学);MBZUAI(穆罕默德·本·扎耶德人工智能大学)
针对旅游问答中POI推荐的空间与非空间推理挑战,提出基于稠密向量检索的模块化双编码器方法,分别编码问题与POI,在真实数据集上超越基线并将搜索空间扩大20倍。
2024-01-04 cs.CL
A Deep Learning Approach for Expert Identification in Question Answering Communities
Binghamton University(宾汉姆顿大学)
在本文中,我们描述了一个有效的卷积神经网络框架,用于识别问答社区中的专家。该方法使用卷积神经网络并将用户特征表示与问题特征表示相结合来计算得分,得到最高得分的用户是该问题的专家。与现有方法不同的是,该方法不需要通过测量答案内容质量来识别专家,而只需要利用问句和用户嵌入特征来识别专家。值得注意的是,我们的模型可以应用于不同的语言和不同的领域。该框架在两个数据集上进行训练,第一个数据集是Stack Overflow,第二个数据集是Zhihu。我们的实验的Top-1准确率结果表明,我们的框架优于专家识别的最佳基线框架。
2017-11-14 cs.CL
Attention-Based Convolutional Neural Network for Machine Comprehension
University of Munich(慕尼黑大学)
理解开放域文本是自然语言处理(NLP)面临的主要挑战之一。机器理解基准仅基于文本内容来评估系统理解文本的能力。在这项工作中,我们调查机器理解MCTest,一个问答(QA)基准。以前的工作主要是基于特征工程方法。我们提出了一个神经网络框架,命名为分层注意力为基础的卷积神经网络(HABCNN),以解决这个任务,没有任何手动设计的功能。具体来说,我们通过两条路线探索HABCNN,一条是通过传统的通道,问题和答案的联合建模,一条是通过文本蕴涵。HABCNN采用注意力机制来检测与回答问题相关的关键短语、关键句子和关键片段。实验表明,HABCNN的性能大大优于之前的深度学习方法。
2016-02-13 cs.CL
SE-KGE: A Location-Aware Knowledge Graph Embedding Model for Geographic Question Answering and Spatial Semantic Lifting
University of California, Santa Barbara(加州大学圣巴巴拉分校);LinkedIn Corporation(领英公司);SayMosaic Inc.(SayMosaic公司)
学习知识图谱(KG)嵌入是一种新兴的技术,用于各种下游任务,例如摘要、链接预测、信息检索和问答。然而,大多数现有的KG嵌入模型忽略了空间,因此,在应用于(地理)空间数据和任务时表现不佳。对于那些考虑空间的模型,它们中的大多数主要依赖于距离的概念。这些模型在训练期间遭受更高的计算复杂性,同时仍然丢失超过实体之间的相对距离的信息。在这项工作中,我们提出了一个位置感知KG嵌入模型称为SE-KGE。它直接将地理实体的点坐标或边界框等空间信息编码到KG嵌入空间中。由此产生的模型能够处理不同类型的空间推理。我们还构建了一个地理知识图谱,以及一组地理问答对称为DBGeo的SE-KGE的性能进行评估相比,多个基线。评估结果表明,SE-KGE优于这些基线上的DBGeo数据集的地理逻辑查询回答任务。这证明了我们的空间显式模型的有效性和考虑不同地理实体的规模的重要性。最后,我们介绍了一种新的下游任务,称为空间语义提升,它通过一些关系将研究区域中的任意位置与KG中的实体联系起来。在DBGeo上的评估表明,我们的模型比基线有很大的优势。
2020-04-25 cs.AI cs.CL cs.DB
Pretrained Transformers for Simple Question Answering over Knowledge Graphs
University of Bonn(波恩大学);Ruhr University Bochum(波鸿鲁尔大学);Fraunhofer IAIS(弗劳恩霍夫应用信息技术研究所)
在知识图谱上生成简单问题是问答中的一个研究热点。以前用于此任务的方法建立在基于递归和卷积神经网络的架构上,这些架构使用预训练的词嵌入。最近的研究表明,微调预训练的Transformer网络(例如BERT)可以在各种自然语言处理任务上优于以前的方法。在这项工作中,我们调查如何以及BERT执行SimpleQuestions,并提供了一个评估的BERT和BiLSTM为基础的模型,在codeparse方案。
2020-01-31 cs.AI cs.CL cs.LG
Comparing Attention-based Convolutional and Recurrent Neural Networks: Success and Limitations in Machine Reading Comprehension
我们提出了一个基于两阶段注意力的比较-聚合框架的机器阅读理解模型,在MovieQA问答数据集上取得了最先进的结果。为了研究我们的模型的局限性以及卷积神经网络和递归神经网络之间的行为差异,我们生成了对抗性示例来混淆模型并与人类性能进行比较。此外,我们通过分析模型与人类推理的差异来评估模型的泛化能力,
2018-08-27 cs.CL
Dynamic Action Recognition: A convolutional neural network model for temporally organized joint location data
Worcester Polytechnic Institute(伍斯特理工学院)
动机:识别视频中的人类动作是一项具有挑战性的任务,在各个领域都有应用。这一领域的先前作品使用了来自2D或3D相机的图像。很少有人使用人类动作可以通过3D空间中关节的运动轻松识别的想法,而是使用递归神经网络(RNN)进行建模。卷积神经网络(CNN)甚至能够识别数据中的复杂模式,这使得它适合用于检测人类行为。因此,我们建立了一个CNN模型,它可以使用联合数据预测人类活动。此外,使用联合数据表示具有比图像或视频表示更低维度的益处。这使得我们的模型比RNN模型更简单,更快。在这项研究中,我们开发了一个六层卷积网络,它将形式为15x1961x4的每个输入特征向量简化为一维二进制向量,从而为我们提供预测的活动。结果:我们的模型能够正确识别活动,准确率高达87%。关节数据来自康奈尔活动数据集,其中包括日常活动,如谈话,放松,饮食,烹饪等。
2016-12-20 cs.CV
Fast Reading Comprehension with ConvNets
Cornell University(康奈尔大学);Google Inc.(谷歌公司)
最先进的深度阅读理解模型由递归神经网络主导。它们的顺序性质自然适合语言,但它也排除了实例内的并行化,并且经常成为将此类模型部署到延迟关键场景的瓶颈。这对于较长的文本来说尤其成问题。在这里,我们提出了一个卷积架构作为这些循环架构的替代方案。使用简单的扩张卷积单元代替经常性的卷积单元,我们在两个问答任务上实现了与最先进技术相当的结果,同时实现了问答的两个数量级的加速。
2017-11-12 cs.CL
Exploring BERT Parameter Efficiency on the Stanford Question Answering Dataset v2.0
UC Berkeley(加州大学伯克利分校);School of Information(信息学院)
在本文中,我们探讨了BERT arXiv:1810.04805的斯坦福问答数据集(SQuAD 2.0)的2.0版本的参数效率。我们在冻结不同数量的最终Transformer层以及包括arXiv:1902.00751中提出的适配器层的同时评估BERT的参数效率。此外,我们尝试使用上下文感知卷积(CACNN)过滤器,如arXiv:1709.08294v3中所述,作为SQuAD2.0任务的最终增强层。这种探索的部分动机是arXiv:1907.10597,它为扩大人工智能模型的评估标准以包括各种资源效率的度量提供了令人信服的理由。虽然我们没有根据arXiv:1907.10597中提出的浮点运算效率来评估这些模型,但我们检查了训练时间,推理时间和模型参数总数的效率。我们的结果在很大程度上证实了arXiv:1902.00751的适配器模块,同时也证明了由于训练和推理时间的增加,通过添加上下文感知卷积滤波器获得的F1分数是不实际的。
2020-03-03 cs.CL cs.LG stat.ML
Embodied Question Answering
Georgia Institute of Technology(佐治亚理工学院);Facebook AI Research(Facebook人工智能研究院)
我们提出了一个新的人工智能任务--智能问答(Question Questioning,简称QQA)--智能体在3D环境中的随机位置产生,并被问到一个问题(“汽车是什么颜色的?").为了回答,智能体必须首先智能地导航以探索环境,通过第一人称(自我中心)视觉收集信息,然后回答问题(“橙色”)。这项具有挑战性的任务需要一系列人工智能技能-主动感知,语言理解,目标驱动导航,常识推理以及将语言融入行动。在这项工作中,我们开发的环境,端到端训练的强化学习代理,并评估协议的质量保证。
2017-12-01 cs.AI cs.CL cs.CV
GPRAR: Graph Convolutional Network based Pose Reconstruction and Action Recognition for Human Trajectory Prediction
University of Colorado Denver(科罗拉多大学丹佛分校)
高精度预测对于自动驾驶等各种应用至关重要。现有的预测模型很容易在现实世界的环境中出现错误,其中观察(例如人类姿势和位置)通常是嘈杂的。为了解决这个问题,我们引入了GPRAR,一个基于图卷积网络的姿态重建和动作识别的人体轨迹预测。GPRAR的核心思想是在噪声场景下生成鲁棒的特征:人体姿势和动作。为此,我们设计了GPRAR使用两个新的子网络:PRAR(姿态重建和动作识别)和FA(特征聚合器)。PRAR的目标是同时重建人体姿态和动作特征的连贯性和结构特性的人体骨骼。它是一个编码器和两个解码器的网络,每个解码器包括多层时空图卷积网络。此外,我们提出了一个功能聚合器(FA)通道聚合学习的功能:人体姿势,动作,位置和相机运动使用基于编码器-解码器的时间卷积神经网络预测未来的位置。在常用数据集上进行的广泛实验:JAAD [13]和TITAN [19]显示GPRAR的准确性优于最先进的模型。具体而言,GPRAR在JAAD和TITAN数据集上的噪声观测下分别将预测精度提高了22%和50
2021-03-25 cs.CV
Skipping Word: A Character-Sequential Representation based Framework for Question Answering
Sogou Inc(搜狗公司);Key Lab of Intelligent Information Processing of CAS(中国科学院智能信息处理重点实验室);ICT(中国科学院计算技术研究所)
最近的作品使用基于词的分布式表示的人工神经网络极大地提高了各种自然语言学习任务的性能,特别是问答。虽然,他们也进行了一些随之而来的问题,如语料库的选择嵌入学习,字典变换不同的学习任务,在本文中,我们提出了直接建模的句子通过字符序列,然后利用卷积神经网络集成字符嵌入学习与逐点答案选择训练。与使用词嵌入(WE)策略预训练的深度模型相比,我们基于字符顺序表示(CSR)的方法在不同的基准测试中显示出更简单的过程和更稳定的性能。在两个基准答案选择数据集上的实验表明,与现有方法相比,该方法具有很好的性能。
2016-09-02 cs.CL
Spatially Supervised Recurrent Convolutional Neural Networks for Visual Object Tracking
University of Missouri(密苏里大学);TCL Research America(TCL美国研究院)
在本文中,我们开发了一种新的方法,空间监督递归卷积神经网络的视觉目标跟踪。我们的递归卷积网络利用了位置的历史以及深度神经网络学习的独特视觉特征。受最近用于目标检测的限界框回归方法的启发,我们研究了时间域中长短期记忆(LSTM)的回归能力,并提出将卷积网络产生的高级视觉特征与区域信息连接起来。与现有的基于深度学习的跟踪器相比,这些跟踪器对区域候选者使用二进制分类,我们使用回归来直接预测卷积层和递归单元的跟踪位置。我们在具有挑战性的基准视频跟踪数据集上与最先进的跟踪方法进行了广泛的实验结果和性能比较,结果表明,我们的跟踪器更准确,更强大,同时保持较低的计算成本。对于大多数测试视频序列,我们的方法实现了最好的跟踪性能,往往优于第二个最好的大幅度。
2016-07-19 cs.CV
Inside ASCENT: Exploring a Deep Commonsense Knowledge Base and its Usage in Question Answering
Max Planck Institute for Informatics(马克斯·普朗克信息学研究所)
ASCENT是一种用于从web内容中提取和合并常识断言的全自动化方法(Nguyen等人,WWW 2021)。它通过捕获语义方面(如位置和目的)和复合概念(即,主题的分组和相关方面。在这个演示中,我们展示了一个Web门户,它允许用户了解它的构建过程,探索它的内容,并观察它在问答用例中的影响。演示网站和介绍性视频都可以在线获得。
2021-05-28 cs.AI cs.CL
Learning to Answer Questions From Image Using Convolutional Neural Network
Noah’s Ark Lab, Huawei Technologies(华为技术有限公司诺亚方舟实验室)
在本文中,我们提出采用卷积神经网络(CNN)的图像问答(QA)。我们提出的CNN提供了一个具有卷积架构的端到端框架,不仅用于学习图像和问题表示,还用于学习它们的模态间交互以产生答案。更具体地说,我们的模型由三个CNN组成:一个图像CNN用于编码图像内容,一个句子CNN用于组成问题的单词,以及一个多模态卷积层用于学习它们的联合表示,以便在候选答案单词的空间中进行分类。我们证明了我们提出的模型在DAQUAR和COCO-QA数据集上的有效性,这是图像QA的两个基准数据集,其性能显着优于最先进的。
2015-11-13 cs.CL cs.CV cs.LG
Lightweight Convolutional Approaches to Reading Comprehension on SQuAD
Stanford University(斯坦福大学)
当前最先进的阅读理解模型严重依赖于递归神经网络。我们探索了一种完全不同的问答方法:卷积模型。就其本质而言,这些卷积模型能够快速训练并很好地捕获局部依赖关系,尽管它们可能会与较长范围的依赖关系作斗争,因此需要增强以实现与基于RNN的模型相当的性能。我们使用卷积模型和各种内核/注意力/正则化方案进行了二十多个受控实验,以确定每种策略的精确性能增益,同时保持对速度的关注。我们最终集成了三个模型:crossconv(0.5398 dev F1),attnconv(0.5665)和maybeconv(0.5285)。使用官方SQuAD评估脚本,集成模型能够获得0.6238 F1分数。我们的个人卷积模型crossconv能够超过RNN加注意力基线的性能25%,同时训练速度快6倍。
2018-10-19 cs.AI cs.CL
A Question Answering Approach to Emotion Cause Extraction
Shenzhen Graduate School, Harbin Institute of Technology(哈尔滨工业大学深圳研究生院);College of Mathematics and Computer Science, Fuzhou University(福州大学数学与计算机科学学院);School of Engineering and Applied Science, Aston University(阿斯顿大学工程与应用科学学院);Guangdong Provincial Engineering Technology Research Center for Data Science(广东省数据科学工程技术研究中心);Department of Computing, the Hong Kong Polytechnic University(香港理工大学计算学系)
情感原因抽取的目的是识别文本中表达的某种情感背后的原因。与情感分类相比,这是一项困难得多的任务。受深度记忆网络在问答中应用的最新进展的启发,我们提出了一种新的方法,将情感原因识别作为问答中的阅读理解任务。受卷积神经网络的启发,我们提出了一种新的机制,将相关的上下文存储在不同的内存槽中,以模拟上下文信息。我们提出的方法可以同时提取词级序列特征和词汇特征。性能评估表明,我们的方法达到了最先进的性能在最近发布的情绪原因数据集,超过了一些竞争基线的F-测量至少3.01%。
2017-09-24 cs.CL
Understanding Errors in LLM-Based Question Answering over Imperfect Tables
University of Wisconsin–Madison(威斯康星大学麦迪逊分校);University of Auckland(奥克兰大学);Jilin University(吉林大学)
本研究通过受控实验揭示,在不完美表格问答中,错误位置影响发现率,且仅提供位置不足以保证准确;GBDI工作流结合多视图发现与验证指导,显著提升问答准确性。
2026-10-07 cs.CL
Complex Temporal Question Answering on Knowledge Graphs
Southwest Jiaotong University(西南交通大学);IIT Bhilai(比莱印度理工学院);Max Planck Institute for Informatics(马克斯·普朗克信息学研究所)
基于知识图谱的问答(KG-QA)是信息检索中的一个重要研究课题。这项工作提出了EXAQT,第一个端到端的系统,用于回答复杂的时间问题,有多个实体和谓词,以及相关的时间条件。EXAQT通过两个阶段回答KG上的自然语言问题,一个阶段是高召回率,另一个阶段是高精度。第一步计算KG中与问题相关的紧凑子图,并使用Group Steiner Trees和微调的BERT模型,明智地用相关的时间事实增强它们。第二步从第一步的输出构造关系图卷积网络(R-GCN),并通过时间感知实体嵌入和对时间关系的关注来增强R-GCN。我们评估EXAQT上的TimeQuestions,一个大型数据集的16 k时间问题,我们从各种通用KG-QA基准编译。结果表明,EXAQT优于三个国家的最先进的系统回答复杂的问题,从而证明专门治疗的时间QA。
2021-09-18 cs.CL cs.IR
Integrating Image Features with Convolutional Sequence-to-sequence Network for Multilingual Visual Question Answering
University of Information Technology(信息技术大学);Vietnam National University(越南国家大学)
本文针对多语言视觉问答任务,将预训练VQA模型提示和图像特征融入卷积序列到序列网络,在UIT-EVJVQA数据集上取得竞赛第三名。
2023-09-03 cs.CL cs.CV
Intelligent Legal Assistant: An Interactive Clarification System for Legal Question Answering
Nankai University(南开大学);Zhejiang University(浙江大学);Fayuan Inc.(法源公司);Worcester Polytechnic Institute(伍斯特理工学院)
针对用户因缺乏专业法律知识导致问题遗漏关键信息、传统法律问答系统难以精准响应的问题,本研究开发Intelligent Legal Assistant系统,通过获取地理位置、生成澄清问题收集信息,最终输出深度法律分析。
2025-02-11 cs.CL
Efficient End-to-End Video Question Answering with Pyramidal Multimodal Transformer
Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences(中国科学院重庆绿色智能技术研究院);University of Chinese Academy of Sciences(中国科学院大学);Tsinghua University(清华大学)
本文提出了一种新的端到端视频问答(VideoQA)方法,除了目前流行的使用大规模预训练与巨大的特征提取器。我们通过金字塔多模态Transformer(PMT)模型实现了这一点,该模型简单地包含了一个可学习的词嵌入层,一些卷积层和Transformer层。我们使用各向异性金字塔来实现跨不同时空尺度的视频语言交互。除了典型的金字塔,其中包括自下而上和自上而下的横向连接的途径,提出了新的策略,将视觉特征流分解成不同尺度的空间和时间的子流,并实现其与语言语义的相互作用,同时保持本地和全局语义的完整性。我们展示了更好的或同等的性能与高的计算效率对国家的最先进的方法在五个VideoQA基准。我们的消融研究显示了我们模型的可扩展性,通过利用具有可重复使用的预训练权重的特征提取器以及金字塔的有效性,实现了文本到视频检索的竞争结果。
2023-03-05 cs.CV
Textbook Question Answering with Multi-modal Context Graph Understanding and Self-supervised Open-set Comprehension
Seoul National University(首尔国立大学);V.DO Inc.(V.DO公司);Search&Clova, Naver Corp.(Naver公司Search&Clova部门)
在这项工作中,我们介绍了一种新的算法解决教科书问答(TQA)的任务,描述了更现实的QA问题相比,最近的其他任务。我们主要集中在两个相关的问题与TQA数据集的分析。首先,解决TQA问题需要理解复杂输入数据中的多模态上下文。为了解决从长文本课程中提取知识特征并将其与视觉特征融合的问题,我们从文本和图像中建立了上下文图,并提出了一种基于图卷积网络(GCN)的新模块f-GCN。其次,科学术语没有分布在章节中,主题在TQA数据集中被分开。为了克服这个所谓的“域外”问题,在学习QA问题之前,我们引入了一个新的无任何注释的自监督开集学习过程。实验结果表明,我们的模型显着优于现有的最先进的方法。此外,消融研究验证了这两种方法,将f-GCN提取知识的多模态上下文和我们新提出的自监督学习过程是有效的TQA问题。
2019-06-02 cs.CL
Neural Multi-Step Reasoning for Question Answering on Semi-Structured Tables
Department of Computer Science ETH Zurich(苏黎世联邦理工学院计算机科学系);ETH Zurich(苏黎世联邦理工学院);Switzerland(瑞士)
近年来,由于神经网络方法的日益流行,自然语言处理任务的进展获得了动力。在本文中,我们探讨了用于回答半结构化表上操作的多步推理问题的深度学习技术。这里的挑战来自于问题所表达的逻辑组合性的水平,以及领域的开放性。我们的方法是弱监督的,在问答表三元组上训练,而不需要中间的强监督。它执行两个阶段:首先,机器可理解的逻辑形式(程序)是根据[Pasupat和Liang,2015]的工作从自然语言问题中生成的。第二,使用单词和字符卷积神经网络将逻辑形式和问题的释义嵌入到联合学习的向量空间中。神经评分函数进一步用于对问题的最可能的逻辑形式(解释)进行排名和检索。我们最好的单个模型在WikiTableQuestions数据集上达到了34.8%的准确率,而我们模型的最佳集合将这项任务的最先进分数推高到38.7%,从而略微超过了工程特征评分基线以及Neelakantan等人的神经程序员模型,2016年]。
2018-03-22 cs.CL
A Joint Sequence Fusion Model for Video Question Answering and Retrieval
Seoul National University(首尔国立大学)
我们提出了一种名为JSFusion(联合序列融合)的方法,可以测量任何对多模态序列数据(例如,视频剪辑和语言句子)之间的语义相似性。我们的多模态匹配网络由两个关键组件组成。首先,联合语义张量将两个序列数据的密集成对表示组成3D张量。然后,卷积分层解码器通过发现两个序列模态之间的隐藏分层匹配来计算它们的相似性得分。这两个模块都利用了分层的注意力机制,该机制学习促进良好匹配的表示模式,同时以自下而上的方式修剪掉不对齐的表示模式。虽然JSFusion是一个通用的模型,适用于任何多模态序列数据,这项工作的重点是视频语言的任务,包括多模态检索和视频QA。我们在LSMDC中的三个检索和VQA任务中评估了JSFusion模型,我们的模型达到了迄今为止报告的最佳性能。我们还为MSR-VTT数据集执行多项选择和电影检索任务,我们的方法优于许多最先进的方法。
2018-08-07 cs.CV
Question Answering over Knowledge Base using Language Model Embeddings
Southern Illinois University Carbondale(南伊利诺伊大学卡本代尔分校)
知识库,表示关于世界的事实,通常以某种形式的包容本体,而不是隐含地嵌入在过程代码中,传统的计算机程序的方式。虽然知识库迅速增长,但从中检索信息是一个挑战。知识库问答是从知识库中抽取大量知识的有效方法之一。与Web搜索不同,知识库上的问答给出了准确和简洁的结果,前提是自然语言问题可以被理解并精确地映射到知识库中的答案。然而,用于知识库问答系统的一些现有的基于嵌入的方法忽略了问题和知识库之间的微妙相关性(例如,实体类型、关系路径和上下文),并且遭受词汇表外问题。在本文中,我们专注于使用预先训练的语言模型的知识库问答任务。首先,我们使用BERT基进行初始实验。我们进一步微调这些嵌入与双向注意力机制从知识库到问的问题,从问的问题到知识库的答案方面。我们的方法是基于一个简单的卷积神经网络架构与多头注意力机制来表示所问的问题在多个方面的动态。我们的实验结果表明,BERT预训练的语言模型嵌入知识库上的问答系统的有效性和优越性比其他知名的嵌入方法。
2020-10-17 cs.CL cs.IR
Interactive Language Learning by Question Answering
Microsoft Research(微软研究院);Polytechnique Montréal(蒙特利尔综合理工学院);Université de Montréal(蒙特利尔大学);Mila(米拉研究院)
人类通过观察和与世界互动来获取知识。然而,大多数现有的机器阅读理解(MRC)的任务错过了互动,信息寻求理解的组成部分。这些任务为模型提供包含所有必要信息的静态文档,这些信息通常集中在一个简短的子字符串中。因此,模型可以通过简单的基于单词和短语的模式匹配来实现强大的性能。我们解决这个问题,制定一个新的基于文本的问答任务:问答与交互式文本(QAit)。在QAit中,代理必须与部分可观察的基于文本的环境进行交互,以收集回答问题所需的信息。QAit提出了关于环境中物体的存在、位置和属性的问题。这些数据是使用基于文本的游戏生成器构建的,该生成器定义了与环境交互的基本动态。我们提出并评估了一组基线模型的QAit任务,包括深度强化学习代理。实验表明,这项任务对机器阅读系统来说是一个重大挑战,而人类相对容易地解决了它。
2019-08-28 cs.CL cs.LG
Modeling Semantic Composition with Syntactic Hypergraph for Video Question Answering
视频问答中的一个关键问题是如何实现文本概念和相应视觉对象之间的跨模态语义对齐。现有的方法大多寻求将单词表示与视频区域对齐。然而,单词表示通常不能传达文本概念的完整描述,这些文本概念通常由某些单词的组合来描述。为了解决这个问题,我们建议首先建立一个句法依赖树为每个问题与现成的工具,并用它来指导有意义的词组合的提取。在此基础上,将词看作节点,将词看作超边,进一步构建超图。超图卷积网络(HCN),然后学习单词组合的初始表示。然后,提出了一种基于最优传输的方法来对文本和视觉语义空间进行跨模态语义对齐。为了反映跨模态的影响,跨模态信息被纳入到初始表示,导致一个名为跨模态感知句法HCN的模型。在三个基准上的实验结果表明,我们的方法优于所有强基线。进一步的分析表明,每个组件的有效性,并表明我们的模型是很好的建模不同层次的语义组合和过滤掉无关的信息。
2022-05-13 cs.CV
Relational Graph Convolutional Neural Networks for Multihop Reasoning: A Comparative Study
University of Cambridge(剑桥大学);Huawei Noah’s Ark Lab(华为诺亚方舟实验室)
多跳问答是一个复杂的自然语言处理任务,需要多个推理步骤来找到给定问题的正确答案。以前的研究已经探索了使用基于图神经网络的模型来解决这一任务。已经提出了各种架构,包括关系图卷积网络(RGCN)。对于这些许多节点类型和它们之间的关系已经被引入,例如简单的实体同现,建模共引用,或通过中间实体从问题到答案的“推理路径”。然而,关于哪些关系、节点类型、嵌入和架构对这项任务最有益的深入分析仍然缺失。在本文中,我们探索了一些基于RGCN的多跳QA模型,图关系和节点嵌入,并实证探索每个对WikiHop数据集上的多跳QA性能的影响。
2022-10-13 cs.AI cs.CL cs.LG
An Attention-Based Word-Level Interaction Model: Relation Detection for Knowledge Base Question Answering
Institute of Electronics, Chinese Academy of Sciences(中国科学院电子学研究所);University of Chinese Academy of Sciences(中国科学院大学);University of Technology Sydney(悉尼科技大学)
由于问句中关系表达式的高度变异性,关系检测在知识库问答中起着至关重要的作用。传统的深度学习方法遵循编码-比较范式,其中问题和候选关系被表示为向量以比较它们的语义相似性。最大或平均池化操作将词序列压缩成固定维的向量,成为信息的瓶颈。在本文中,我们建议学习基于注意力的问题和关系之间的词级交互,以缓解瓶颈问题。与传统模型相似,问题和关系首先表示为向量序列。然后,不是通过池化操作将序列合并到单个向量中,而是学习来自问题的单词与关系之间的软对齐。随后将对齐的字与卷积神经网络(CNN)进行比较,并最终合并比较结果。基于注意力的词级交互模型(ABWIM)通过在低层表征上进行比较,缓解了在比较之前将序列合并为固定维向量所造成的信息丢失问题。在SimpleQuestions和WebQuestions数据集上的实验结果表明,ABWIM达到了最先进的准确率,证明了其有效性。
2018-01-30 cs.CL
Product-Aware Answer Generation in E-Commerce Question-Answering
ICST, Peking University(北京大学信息科学技术学院)
在电子商业门户网站中,为产品相关问题生成答案已成为一项至关重要的任务。在本文中,我们提出了产品感知的答案生成任务,它倾向于从大规模的未标记的电子商业评论和产品属性中生成准确和完整的答案。与现有的问答问题不同,电子商业中的答案生成面临三个主要挑战:(1)评论是非正式的和有噪声的;(2)评论和关键值产品属性的联合建模具有挑战性;(3)传统方法容易生成无意义的答案。为了解决上述挑战,我们提出了一个基于对抗学习的模型,称为PAAG,它由三个组件组成:一个问题感知的评论表示模块,一个编码属性的键值记忆网络,以及一个作为序列生成器的递归神经网络。具体来说,我们使用卷积神经网络来区分我们生成的答案是否与事实相匹配。为了提取评论的显著性部分,提出了一种基于注意力的评论阅读器来捕获给定问题的最相关的词。在一个大规模的真实电子商业数据集上进行了大量的实验,验证了模型中每个模块的有效性。此外,我们的实验表明,我们的模型在自动度量和人工评估方面都达到了最先进的性能。
2019-01-24 cs.AI cs.CL
PullNet: Open Domain Question Answering with Iterative Retrieval on Knowledge Bases and Text
Google AI Language(谷歌AI语言部门)
我们考虑开放域问答(QA),其中答案来自语料库,知识库(KB)或两者的组合。我们专注于一个设置,其中语料库补充了一个大的,但不完整的KB,并在问题上,需要非平凡的(例如,"多跳“)推理。我们描述了PullNet,一个集成的框架,用于(1)学习检索什么(从KB和/或语料库)和(2)使用这种异构信息进行推理以找到最佳答案。PullNet使用{迭代}过程来构建包含与问题相关的信息的特定于问题的子图。在每次迭代中,使用图卷积网络(图CNN)来识别应该使用对语料库和/或KB的检索(或“拉”)操作来扩展的子图节点。在子图完成之后,使用类似的图CNN从子图中提取答案。这种检索和推理过程允许我们使用大型知识库和语料库回答多跳问题。PullNet是弱监督的,需要问答对,但不需要黄金推理路径。在实验上,PullNet比现有技术有所改进,并且在语料库与不完整的KB一起使用的情况下,这些改进通常是戏剧性的。PullNet在仅KB设置或仅文本设置中也通常优于现有系统。
2019-04-21 cs.CL cs.LG
Question Answering over Freebase via Attentive RNN with Similarity Matrix based CNN
随着知识库的快速增长,基于知识库的问答,也就是基于知识库的问答,越来越受到人们的重视。KBQA近年来引起了极大的关注。大多数现有的KBQA方法遵循所谓的编码器比较框架。它们将问题和知识库事实映射到一个公共的嵌入空间,在该空间中可以方便地计算问题向量和事实向量之间的相似度。然而,这不可避免地丢失了原始词语交互信息。为了保留更多的原始信息,我们提出了一种基于相似性矩阵的卷积神经网络(AR-SM CNN)模型,它能够利用RNN和CNN的优点来捕获全面的层次信息。我们使用RNN通过其顺序建模性质来捕获语义级相关性,并使用注意力机制同时跟踪实体和关系。同时,我们使用一个基于相似性矩阵的CNN与双向池提取文字级的词的交互匹配,利用CNN建模数据之间的空间相关性的强度。此外,我们已经开发了一种新的启发式扩展方法的实体检测,显着降低噪声的影响。我们的方法在SimpleQuestion基准测试中的准确性和效率都优于最先进的方法。
2018-05-27 cs.AI cs.CL cs.LG
ABC-CNN: An Attention Based Convolutional Neural Network for Visual Question Answering
University of Southern California(南加州大学);Baidu Research(百度研究院);UCLA(加州大学洛杉矶分校)
提出了一种新的基于注意力的深度学习架构,用于视觉问答任务(VQA)。给定图像和图像相关的自然语言问题,VQA生成问题的自然语言答案。生成正确答案需要模型的注意力集中在与问题对应的区域上,因为不同的问题询问不同图像区域的属性。我们引入了一个基于注意力的可配置卷积神经网络(ABC-CNN)来学习这种问题引导的注意力。ABC-CNN通过将图像特征映射与从问题的语义导出的可配置卷积核进行卷积来确定图像-问题对的注意力映射。我们在三个基准VQA数据集上评估了ABC-CNN架构:多伦多COCO-QA,DAQUAR和VQA数据集。ABC-CNN模型在这些数据集上实现了比最先进方法的显着改进。ABC-CNN产生的问题引导注意力也反映了与问题高度相关的区域。
2016-04-03 cs.CV
A Hybrid Approach Towards Two Stage Bengali Question Classification Utilizing Smart Data Balancing Technique
United International University(联合国际大学)
问题分类是问答系统的首要环节。问题分类(QC)系统将问题分类到特定的类中,以便问答(QA)系统能够为问题提供正确的答案。我们的系统在提取问题的特征之后,对以自然语言提出的事实类问题进行分类。我们提出了一个两阶段的孟加拉质量控制系统。它利用一维卷积神经网络在第一阶段将问题分类为粗类。已经构建了问题语料库的现有单词的Word 2 vec表示,并用于辅助1D CNN。智能数据平衡技术已被用于给予数据饥饿的卷积神经网络的优势,更多的有效样本学习。对于每个粗类,已经使用了单独的基于随机梯度下降(SGD)的分类器,以便在该粗类内的较细类之间进行区分。TF-IDF表示的每个单词已被用作功能的SGD分类器实现的第二阶段分类的一部分。实验表明,我们提出的方法的有效性孟加拉问题分类。
2020-03-03 cs.CL cs.IR cs.LG
QAGCN: Answering Multi-Relation Questions via Single-Step Implicit Reasoning over Knowledge Graphs
University of Zurich(苏黎世大学);Vrije Universiteit Amsterdam(阿姆斯特丹自由大学);Elsevier(爱思唯尔)
本文提出QAGCN,一种基于问题感知图卷积网络的单步隐式推理方法,以更简单高效的方式解决知识图谱多关系问答,性能达到或超越现有显式多步推理方法。
2024-03-28 cs.AI cs.CL cs.IR
Advancing Vietnamese Visual Question Answering with Transformer and Convolutional Integration
University of Science(科学大学);Vietnam National University(越南国家大学)
针对越南语视觉问答系统缺失问题,提出集成BLIP-2与EfficientNet提取图像特征,并利用BEiT-3融合多模态信息的模型,在ViVQA数据集上达到71.04%准确率。
2024-07-30 cs.CL cs.CV
Modulated Self-attention Convolutional Network for VQA
Polytechnic Mons(蒙斯理工学院);Telecom SudParis(巴黎南泰尔电信学院)
随着用于真实世界视觉推理和组合问答的新数据集的出现,可能需要在训练期间使用视觉特征提取作为端到端过程。这一小小的贡献旨在提出新的想法,以改善传统的卷积网络的视觉处理的视觉问答(VQA)。在本文中,我们提出了调制的语言输入的CNN增强自我注意。我们在这一方向的未来研究显示出令人鼓舞的相对改善。
2019-10-31 cs.CL cs.CV cs.LG
Enhanced Textual Feature Extraction for Visual Question Answering: A Simple Convolutional Approach
该研究针对视觉问答中文本编码器有效性研究不足的问题,对比不同复杂度文本编码器后提出轻量模型ConvGRU,通过卷积层增强文本特征,在VQA-v2数据集的计数类问题上取得稳定提升,为资源受限场景提供了可行方案。
2025-05-21 cs.CV
VIBIKNet: Visual Bidirectional Kernelized Network for Visual Question Answering
Universitat de Barcelona(巴塞罗那大学);Computer Vision Center(计算机视觉中心);PRHLT Research Center(PRHLT研究中心);Universitat Politècnica de València(瓦伦西亚理工大学)
在本文中,我们提出了一种新的模型,称为VIBIKNet解决问题的视觉问答。我们的模型是基于集成核卷积神经网络和长短期记忆单元,以生成一个关于图像的问题的答案。我们证明了VIBIKNet是准确性和计算负载之间的最佳权衡,在内存和时间消耗方面。我们在VQA挑战数据集上验证了我们的方法,并将其与性能最好的方法进行了比较,以说明其性能和速度。
2016-12-12 cs.CL cs.CV
Location Dependency in Video Prediction
Bonn University(波恩大学)
深度卷积神经网络用于解决许多计算机视觉问题,包括视频预测。视频预测的任务需要在时间和空间上分析视频帧,并构建环境如何演变的模型。然而,卷积神经网络是空间不变的,这使得它们无法对位置相关模式进行建模。在这项工作中,作者提出了位置偏置卷积层来克服这一限制。位置偏差的有效性进行了评估的两种架构:视频梯形网络(VLN)和卷积预测门金字塔(Conv-PGP)。结果表明,编码的位置相关的功能是至关重要的视频预测任务。我们提出的方法显着优于空间不变模型。
2018-10-16 cs.CV
Location-Aware Pretraining for Medical Difference Visual Question Answering
Department of Electrical and Computer Engineering, Carnegie Mellon University, Kigali, Rwanda(电气与计算机工程系,卡内基梅隆大学,刚果(金)基利齐);University of Melbourne, Melbourne, Australia(墨尔本大学,墨尔本,澳大利亚)
本文提出一种面向位置的预训练框架,结合AREF、GCAP和CAREF任务,提升医学差异VQA中细粒度空间视觉表征能力,实现胸部X光图像中临床相关变化的准确识别与推理。
2026-04-22 cs.AI cs.CV
Location Sensitive Deep Convolutional Neural Networks for Segmentation of White Matter Hyperintensities
Radboud University(拉德堡德大学);Radboud University Medical Center(拉德堡德大学医学中心)
在许多医疗任务中,成像特征的解剖位置对于准确诊断至关重要。卷积神经网络(CNN)在计算机视觉方面取得了巨大的成功,但它们缺乏将解剖位置纳入决策过程的自然能力,这阻碍了某些医学图像分析任务的成功。在本文中,为了将解剖位置信息集成到网络中,我们提出了几种深度CNN架构,这些架构考虑多尺度补丁或在训练时采用显式位置特征。我们应用并比较了一个大的数据集上的脑MR图像中的白质高信号的分割所提出的架构。因此,我们观察到,包含位置信息的CNN大大优于具有手工特征的传统分割方法以及不包含位置信息的CNN。在46次扫描的测试集上,我们网络的最佳配置获得了0.791的Dice得分,而独立人类观察者的得分为0.797。机器和独立人类观察者的性能水平在统计学上没有显著差异(p值=0.17)。
2016-10-29 cs.CV
Mining Interpretable AOG Representations from Convolutional Networks via Active Question Answering
Shanghai Jiao Tong University(上海交通大学);University of California, Los Angeles(加州大学洛杉矶分校)
在本文中,我们提出了一种方法来挖掘对象的部分模式从一个预先训练的卷积神经网络(CNN)的conv层。挖掘出的对象部分模式由与或图(AOG)组织。这种可解释的AOG表示由四层语义层次结构组成,即,语义部件、部件模板、潜在模式和神经单元。AOG将每个对象部分与conv层特征图中的某些神经单元相关联。AOG是以弱监督的方式构建的,即,非常少的注释(例如,3-20)的对象部分被用来指导AOG的学习。我们开发了一种问答(QA)方法,该方法使用主动的人机通信来从预先训练的CNN中挖掘模式,以便在conv层中逐步解释更多的特征。在学习过程中,我们的QA方法使用当前的AOG进行零件定位。QA方法主动识别对象,其特征图不能由AOG解释。然后,我们的方法要求人们在无法解释的对象上注释部分,并使用答案来发现与新标记的部分相对应的CNN模式。通过这种方式,我们的方法逐渐生长新的分支并细化AOG上的现有分支以语义化CNN表示。在实验中,我们的方法表现出很高的学习效率。我们的方法使用了大约1/6-1/3的部分注释进行训练,但与快速RCNN方法相比,实现了类似或更好的部分定位性能。
2018-12-18 cs.CV cs.LG
Dual Recurrent Attention Units for Visual Question Answering
Fraunhofer Heinrich Hertz Institute(弗劳恩霍夫海因里希·赫兹研究所)
视觉问答(VQA)要求AI模型理解视觉和文本两个领域的数据。当前最先进的模型使用学习的注意力机制从输入域提取相关信息来回答某个问题。因此,强大的注意力机制是强大的VQA模型必不可少的。在本文中,我们提出了一个循环的注意力机制,并显示其优势相比,传统的卷积方法。我们进行了两项消融研究,以评估复发性注意。首先,我们引入了一个具有视觉注意力的基线VQA模型,并在VQA 2.0数据集上测试了卷积注意力和递归注意力之间的性能差异。其次,我们设计了一个架构VQA,它利用双重(文本和视觉)循环注意单元(RAU)。使用这个模型,我们展示了所有可能的递归和卷积双重注意组合的效果。我们的单一模型在VQA 2016挑战赛中的表现优于第一名,据我们所知,它是VQA 1.0数据集上表现第二好的单一模型。此外,我们的模型在VQA 2017挑战赛的获胜者身上有明显的改进。此外,我们实验用我们的RAU替换最先进模型中的注意力机制,并显示出更高的性能。
2019-03-26 cs.AI cs.CL cs.CV
On Translation Invariance in CNNs: Convolutional Layers can Exploit Absolute Spatial Location
Delft University of Technology(代尔夫特理工大学)
在本文中,我们挑战了现代CNN中卷积层是平移不变的常见假设。我们表明,CNN可以并且将会通过学习过滤器来利用绝对空间位置,这些过滤器通过利用图像边界效应专门响应特定的绝对位置。由于现代CNN滤波器具有巨大的感受野,这些边界效应甚至在远离图像边界的地方起作用,使网络能够利用整个图像的绝对空间位置。我们给出了一个简单的解决方案,以消除空间位置编码,提高了平移不变性,从而提供了一个更强的视觉归纳偏见,特别是有利于小数据集。我们广泛地展示了这些好处的几个架构和各种应用程序,如图像分类,补丁匹配,和两个视频分类数据集。
2020-05-30 cs.CV cs.LG eess.IV
Where To Look: Focus Regions for Visual Question Answering
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
我们提出了一种方法,学习回答视觉问题,通过选择相关的图像区域的基于文本的查询。我们的方法表现出显着的改进,在回答问题,如“什么颜色”,它是必要的,以评估一个特定的位置,和“什么房间”,它选择性地识别信息图像区域。我们的模型在VQA数据集上进行了测试,VQA数据集是我们所知的最大的人类注释视觉问答数据集。
2016-01-10 cs.CV
Embedding Structured Contour and Location Prior in Siamesed Fully Convolutional Networks for Road Detection
Northwestern Polytechnical University(西北工业大学)
从运动车辆的角度进行道路检测是自动驾驶中的一个具有挑战性的问题。最近,许多深度学习方法涌现出来,因为它们可以提取高级局部特征,从原始RGB数据中找到道路区域,例如卷积神经网络(CNN)和全卷积网络(FCN)。然而,如何准确地检测出道路的边界仍然是一个棘手的问题。在本文中,我们提出了一个siamesed全卷积网络(命名为“s-FCN-loc”),它能够同时考虑RGB通道图像,语义轮廓和位置先验,以精细地分割道路区域。具体来说,s-FCN-loc有两个流分别处理原始RGB图像和等高线图。同时,位置先验直接附加到连体FCN中,以提高最终的检测性能。我们的贡献有三个方面:(1)提出了一种s-FCN-loc算法,该算法学习了比原FCN算法更多的道路边界判别特征,从而能够更准确地检测出道路区域;(2)将位置先验作为一种特征映射,直接附加到s-FCN-loc算法的最终特征映射中,从而有效地提高了道路区域的检测性能(3)由于高度结构化轮廓的指导,训练后的s-FCN-loc模型的收敛速度比原始FCN模型快30%.在KITTI道路检测基准和一类道路检测数据集上对所提出的方法进行了评估,并取得了具有竞争力的结果。
2019-05-05 cs.CV
Change Detection from SAR Images Based on Deformable Residual Convolutional Neural Networks
Ocean University of China(中国海洋大学)
卷积神经网络(CNN)在合成孔径雷达(SAR)图像变化检测方面取得了很大的进展。然而,传统卷积核的采样位置是固定的,不能根据SAR图像的实际结构而改变。此外,自然场景中的物体可能以不同的尺寸出现,这就要求网络具有更强的多尺度表示能力。本文设计了一种新的\underline{D}改进的\underline{R}剩余卷积神经\underline{N}网络(DRNet),用于SAR图像变化检测。首先,DRNet引入了可变形的卷积采样位置,卷积核的形状可以根据地物的实际结构自适应调整。为了创建可变形采样位置,根据输入图像的空间信息计算每个像素的2-D偏移。然后,像素的采样位置可以自适应地反映输入图像的空间结构。此外,我们提出了一种新的池化模块取代香草池化,有效地利用多尺度信息,通过构建层次残差连接在一个池化层,提高了多尺度表示能力在粒度级别。在三个真实SAR数据集上的实验结果证明了所提出的DRNet的有效性。
2021-04-06 cs.CV
Neural Self Talk: Image Understanding via Continuous Questioning and Answering
University of Maryland(马里兰大学);Toyota Research Institute of North America(丰田北美研究院)
在本文中,我们考虑的问题,不断发现图像内容,积极提出基于图像的问题,并随后回答被问到的问题。关键组件包括视觉问题生成(VQG)模块和视觉问答模块,其中使用了递归神经网络(RNN)和卷积神经网络(CNN)。给定一个包含图像、问题及其答案的数据集,两个模块同时进行训练,不同之处在于VQG使用图像作为输入,相应的问题作为输出,而VQA使用图像和问题作为输入,相应的答案作为输出。我们使用Amazon Mechanical Turk主观评估了自我对话过程,表明了所提出方法的有效性。
2015-12-10 cs.CL cs.CV cs.RO
A Multi-Scale Cascade Fully Convolutional Network Face Detector
Institute for Robotics and Intelligent Systems(机器人与智能系统研究所);University of Southern California(南加州大学)
人脸检测具有挑战性,因为图像中的人脸可能存在于任意位置和不同尺度。提出了一种基于全卷积神经网络的三级级联结构。它首先提出了面部可能存在的近似位置,然后旨在通过放大面部来找到准确的位置。FCN级联的每一级都是一个多尺度全卷积网络,它在不同的位置和不同的尺度上生成分数。在每个FCN阶段之后生成分数图。选择可能的面部区域并将其馈送到下一阶段。建议的数量在每个级别之后减少,并且区域的面积减少以更精确地适应面部。与在阶段之间直接传递建议相比,传递可能的区域可以减少建议的数量,并减少第一阶段没有提出好的边界框的情况。我们表明,通过使用FCN和得分图,FCN级联人脸检测器可以在公共数据集上实现强大的性能。
2016-09-12 cs.CV