【技术实现步骤摘要】
本申请涉及视觉问答，特别是涉及一种答案确定方法、装置、电子设备及存储介质。
技术介绍
1、vqa（visual question answering，视觉问答）任务能够根据图像以及某一与图像相关的问题，预测出该问题对应的答案。vqa任务过程中，通常是根据ocr（opticalcharacter recognition，光学字符识别）方法识别得到图像中的文本信息，并直接根据ocr识别得到的文本信息，确定该问题对应的答案。但是，由于ocr识别存在一定的误差，可能会出现将图像中的文本识别错误的情况，因此，若直接将ocr识别得到的文本作为该问题对应的答案，则会导致视觉问答预测出的答案的准确性降低。
技术实现思路
1、本申请实施例的目的在于提供一种答案确定方法、装置、电子设备及存储介质，以实现提高视觉问答预测出的答案的准确性。具体技术方案如下：
2、本申请实施例提供了一种答案确定方法，所述方法包括：
3、通过ocr识别得到目标图像中存在的各原始文本，并获取各所述原始文本的多模...
【技术保护点】
1.一种答案确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述针对各所述目标文本，根据所述目标文本对应的各上下文文本的多模态特征，预测得到所述目标图像中所述目标文本的位置处的文本，作为所述目标文本对应的预测文本，包括：
3.根据权利要求1所述的方法，其特征在于，所述针对各所述目标文本，根据所述目标文本对应的各上下文文本的多模态特征、所述目标文本的语义特征，预测得到所述目标文本为准确识别得到的文本的概率，作为所述目标文本的目标概率，包括：
4.根据权利要求2或3所述的方法，其特征在于，所述根据所述当前...
【技术特征摘要】
1.一种答案确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述针对各所述目标文本，根据所述目标文本对应的各上下文文本的多模态特征，预测得到所述目标图像中所述目标文本的位置处的文本，作为所述目标文本对应的预测文本，包括：
3.根据权利要求1所述的方法，其特征在于，所述针对各所述目标文本，根据所述目标文本对应的各上下文文本的多模态特征、所述目标文本的语义特征，预测得到所述目标文本为准确识别得到的文本的概率，作为所述目标文本的目标概率，包括：
4.根据权利要求2或3所述的方法，其特征在于，所述根据所述当前目标文本对应的各上下文文本的多模态特征，确定所述当前目标文本的上下文特征，作为新的当前上下文特征，包括：
5...
【专利技术属性】
技术研发人员：吴慧妍，李灿，乔梁，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。