论文笔记 Visual Question Answering with Memory-Augmented Networks（CVPR2018)

这是沈春华老师小组的一篇文章。 这篇文章的出发点是：目前的VQA问题，由于answer数量的有限性，因此转化为一种分类问题，但由于部分answer出现 的频次较低（比如上图中的黄瓜），为了提高整体的分类准确率，往往进行分类的时候，将频次低的answer进行舍弃， 如取answer出现频次高的top1000,。基于这种现象，本文提出Memory-Augmented Network来处理这样一种长尾效

>>阅读原文<<