We begin with a high-level discussi

We begin with a high-level discussion of the kinds of composed networks we would like to learn. Andreas et al. (2016) describe a heuristic approach for decomposing visual question answering tasks into sequence of modular sub-problems. For example, the question What color is the bird? Might be answered in two steps: first, “where is the bird?” (Figure 2a), second, “what color is that part of the image?” (Figure 2c). This first step, a generic module called find, can be expressed as a fragment of a neural network that maps from image features and a lexical item (here bird) to a distribution over pixels. This operation is commonly referred to as the attention mechanism, and is a standard tool for manipulating images (Xu et al., 2015) and text representations (Hermann et al., 2015).

Kết quả (Việt) 1:

Chúng tôi bắt đầu với một cuộc thảo luận cao cấp các loại bao gồm các mạng chúng tôi muốn tìm hiểu. Andreas et al. (năm 2016) Mô tả một phương pháp heuristic cho phân hủy nhiệm vụ trả lời câu hỏi hình ảnh vào trình tự của mô-đun các vấn đề phụ. Ví dụ, các câu hỏi màu gì là con chim? Có thể được trả lời trong hai bước: đầu tiên, "ở đâu là những con chim?" (Hình 2a), thứ hai, "màu gì là một phần của hình ảnh?" (Hình 2 c). Bước đầu tiên này, một mô-đun chung được gọi là tìm kiếm, có thể được thể hiện như một mảnh của một mạng lưới thần kinh mà bản đồ từ các tính năng hình ảnh và một mục từ vựng (con chim ở đây) để một phân bố trên điểm ảnh. Thao tác này thường được gọi là cơ chế của sự chú ý, và là một công cụ tiêu chuẩn cho thao tác hình ảnh (Xu và ctv., 2015) và tuyên bố văn bản (Hermann và ctv., năm 2015).

Kết quả (Việt) 2:

Chúng ta bắt đầu với một cuộc thảo luận cấp cao của các loại mạng sáng tác, chúng tôi muốn tìm hiểu. Andreas et al. (2016) mô tả một cách tiếp cận heuristic cho phân hủy câu hỏi trực quan trả lời các nhiệm vụ vào chuỗi các mô-đun vấn đề phụ. Ví dụ, câu hỏi màu gì là loài chim? Có thể được trả lời trong hai bước: đầu tiên, "? Đâu là chim" (Hình 2a), thứ hai, "những gì màu sắc là một phần của hình ảnh?" (Hình 2c). Bước đầu tiên này, một mô-đun chung gọi là tìm kiếm, có thể được thể hiện như một mảnh của một mạng lưới thần kinh mà các bản đồ từ các tính năng hình ảnh và một mục từ vựng (ở đây chim) để phân phối trên điểm ảnh. Hoạt động này thường được gọi là cơ chế sự chú ý, và là một công cụ tiêu chuẩn cho các thao tác hình ảnh (Xu et al., 2015) và đại diện văn bản (Hermann et al., 2015).