Visual_QA_Attn：一款具备多个注意力焦点的视觉质量检测系统

视觉上的提问与回答，具有分层的共同关注 1.目的 我们项目的目标是建立一个深度学习模型，该模型根据给定的图像回答开放式问题。 2.方法论 我们已经为视觉问题解答的任务实现了两个模型。 我们将它们称为基础模型和分层协同注意模型。 一个典型的VQA系统由图像，问题（用文本表示）作为输入，以及对问题的答案作为输出组成。 系统在将图像和问题特征编码到公共向量空间中，然后对向量空间进行解码以获得答案方面有所不同。 通常，图像特征是通过卷积神经网络（CNN）计算的，而文本特征是使用递归神经网络（RNN）计算的，以在文本中保留时间信息。 基本模型考虑问题和图像的总体特征以确定答案。 而“分层共同注意”模型则通过出席的图像和问题特征来确定答案。 我们使用基本模型作为我们准确性和结果的基准。 3.基准模型 首先需要将图像和问题嵌入（编码）到公共向量空间中，然后解码器对向量空间进行解码以获得答案。 3.1编码