视觉问答模型训练及视觉问答方法、装置、设备及介质

摘要

本公开提供了一种视觉问答模型训练及视觉问答方法、装置、设备及介质，涉及人工智能技术领域，具体涉及计算机视觉和深度学习技术，可用于遥感影像场景，包括：获取目标图像的训练集数据；目标图像的训练集数据包括目标图像、目标图像文本以及目标图像非视觉数据；对目标图像进行图像特征提取，得到目标图像特征；对目标图像文本进行文本特征提取，得到目标文本特征；对目标图像非视觉数据进行非视觉特征提取，得到目标非视觉特征；对目标图像特征、目标文本特征以及目标非视觉特征进行融合，得到目标融合特征；根据目标融合特征对视觉问答模型进行模型训练。本公开实施例能够提高视觉问答模型的智能性和精准性，从而提高人机交互效果。