موسسه انتشارات بین المللی چتر اندیشه فصلنامه مدیریت مهندسی و تحول دیجیتال 3092-7609 6 3 2023 11 17 پاسخ‌دهی خودکار به پرسش در سیستم پرسش و پاسخ بصری با استفاده از شبکه عصبی کانولوشنیResNeXt و شبکه عصبی بازگشتی GRU دوسویه 1 9 10.22051/jera.2021.31891.2698 FA امیر دانشآموخته کارشناسیارشد هوشمصنوعی، دانشگاه سمنان علیرضا دانشجو کارشناسیارشد هوش مصنوعی، دانشگاه سمنان 2023 05 07 سیستم پرسش و پاسخ بصری از دو بخش کلی پردازش تصویر و پردازش متن تشکیل شده است. در این سیستم‌ها یک پرسش در مورد تصویر توسط کاربر مطرح شده و سیستم وظیفه دارد با توجه به تصویر پاسخ را پیش‌بینی کرده و به کاربر نمایش دهد. عمده تلاش محققان افزایش دقت صحت پاسخ پیش‌بینی شده در این سیستم‌ها است. از این رو در این مقاله نیز ما یک سیستم پرسش و پاسخ بصری معرفی و طراحی کردیم که برای پردازش تصویر ورودی از شبکه عصبی کانولوشنی با معماری ResNeXt با 101 لایه و برای پردازش متن از شبکه عصبی بازگشتی از نوع GRU دوسویه استفاده می‌کند. همچنین از مدل زبانی Glove جهت تعبیه‎سازی کلمات متن ورودی استفاده خواهد شد. جهت نتیجه‌گیری بهتر در مدل پیشنهادی از سازوکار توجه چندسر نیز استفاده شده است. برای ارزیابی مدل پیشنهادی از هر دو نسخه مجموعه‌داده VQA، یعنی VQA1.0 و VQA2.0 استفاده می‌شود. /downloadfilepdf/17696