摘要
结合预训练语言模型的跨模态非自回归解码方法及系统,涉及跨模态翻译。解码系统依次包括目标排列采样、预训练文本编码、预训练文本解码、预训练损失计算、源端特征提取、下游编码、CTC增强、下游解码、下游任务损失计算、输出等模块。解码方法:采样预训练训练样本以及目标排列;将源端文本编码为隐向量;目标端文本解码;预训练阶段损失计算;初始化下游跨模态非自回归翻译模型的参数;源端特征提取;源端特征编码;下游解码模块输入生成;解码模块生成翻译结果;计算下游跨模态非自回归翻译模型损失;下游跨模态非自回归翻译结果输出。利用Random Drop以及CTC,缓解预训练和微调阶段解码器输入的模态差异。
技术关键词
解码模块
预训练语言模型
解码器
编码模块
翻译模型
解码方法
跨模态
文本
特征提取模块
矩阵
生成解码
解码系统
输出模块
线性
注意力
采样模块
训练语料库
阶段
系统为您推荐了相关专利信息
双边滤波算法
注意力机制
图像语义分割
网络
易受噪声
肠镜
图像增强模型
图像增强方法
生成对抗网络
编码器
带通滤波器
输出特征
保留图像细节
网络模型训练
跨层特征