基于双注意模型的图像描述生成方法研究.docx

1 引言 图像描述生成旨在为图像生成准确的自然语言描述，包括获取一幅图像、分析其视觉内容、生成文本描述以说明图像中的显著目标和行为等步骤［1］.传统的视觉任务（如物体检测［2］或图像自动标注［3］）都是在有限个类别上测试检测器或分类器的精度.相比之下，图像描述生成的任务结合了计算机视觉和自然语言处理两个领域，更具综合性和挑战性. 图像描述系统通常采用卷积神经网络（Convolutional Neural Network， CNN）作为编码器从输入图像中提取视觉特征，同时采用循环神经网络（Recurrent Neural Network， RNN）作为解码器将编码信息逐词地解码为自然语言描述［4