版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/pku_langzi/article/details/81196298
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应。
方法简介
（1）对于图像与question的分别特征提取，并没有太多的新意，对于两种特征也采用了sequential co-attention机制，但
这种attention机制也是借鉴的NIPS2016中一篇VQA的方法。
（2）文章主打的Memory-Augmented network是在原来的memory network上进行改进，主要有两点别：其利用LSTM自
身特性，形成一种天然的internal memory其也设计了一种external memory，使得LSTM成为一种外部记忆机制的控制器
文章由于处理的问题是出现频次少的answer带来的长尾效应，因此主要落点放在了memory写机制的创新上，文中的写机
制能够在memory中极少用到的位置与经常用到的位置中达到一种平衡，来缓解长尾效应。具体实现细节，不再赘述，但
是这种memory的读写，既借鉴了操作系统内存的读写，又可与推理引擎中的working memory联系，又很好地利用深度
学习的记忆机制来实现，很有参考借鉴意义。
参考原文：Visual Question Answering with Memory-Augmented Networks