شماره ركورد كنفرانس
5252
عنوان مقاله
بررسي روشها، مجموعههاي داده و معيارهاي ارزيابي در حوزهي پرسش از متون درون تصوير
پديدآورندگان
فرشيدي كبري k.farshidi@eng.basu.ac.ir دانشگاه بوعلي سينا، همدان، ايران , ختنلو حسن khotanlou@basu.ac.ir دانشگاه بوعلي سينا، همدان، ايران , منصوريزاده محرم mansoorm@basu.ac.ir دانشگاه بوعلي سينا، همدان، ايران , عليقارداش الهام e.alighardash@eng.basu.ac.ir دانشگاه بوعلي سينا، همدان، ايران
تعداد صفحه
8
كليدواژه
پاسخگويي به سوالات ديداري متن , سازكار توجه , تشخيص كاراكتر نوري , ويژگيهاي پيشآموزش , مبدلها
سال انتشار
1401
عنوان كنفرانس
سيزدهمين كنفرانس بين المللي فناوري اطلاعات و دانش
زبان مدرك
فارسي
چكيده فارسي
امروزه مسائل مربوط به روابط چندوجهي بين وجههاي مختلف داده، بطور مثال بين وجههاي تصوير، متن، صوت يكي از حوزههاي تحقيقاتي پركاربرد و پرطرفدار در بين پژوهشگران شده است. يكي از انواع اين مسائل، مسئلهي پاسخگويي به سوالات ديداري است كه در آن از دو وجه بصري و متني در ورودي استفاده ميشود. در نوع خاصي از اين مسئله كه با عنوان پاسخگويي به سوالات ديداري متني شناخته ميشود، هدف، كشف ارتباط بين تصوير بخصوص متون و علائم درون تصوير و سوال متني پرسيده شده، دربارهي آن تصوير مي باشد. پرسش از متون درون تصوير بخصوص اگر شامل عبارات مهم باشد اهميت پيدا ميكند . پژوهشگران توسط مدلهاي يادگيري عميق، معماري مبدلها، مكانيزم توجه توانستهاند به نتايج خوبي دست پيدا كنند. با توجه به انواع تلاشهاي پژوهشگران در 4 سال اخير هماكنون در دورهاي هستيم كه ميتوان مروري برتلاشهاي آنها داشته باشيم و آنها را مقايسه كنيم و مسير رو به پيشرفت را ببينيم و اقدامات انجام شده را بازبيني كنيم. بر اساس اطلاعات بدست آمده اين مقاله، اولين مقاله به زبان فارسي است كه به جمعآوري و مقايسه مطالعات موجود دربارهي مسئلهي پاسخگويي به سوالات ديداري متن و چالشهاي آن ميپردازد.
كشور
ايران
لينک به اين مدرک