圖像描述旨在為給定的圖像生成符合圖像內(nèi)容的自然語言描述。作為人工智能領(lǐng)域中新興的研究課題,圖像描述受到了越來越多的關(guān)注。圖像描述不僅需要識(shí)別圖像中的目標(biāo)、目標(biāo)的屬性和目標(biāo)之間的關(guān)系,還需要生成語法和語義正確的描述語言。因此,圖像描述存在兩個(gè)基本問題,即視覺理解和語言處理。這些問題的解決需要使用計(jì)算機(jī)視覺和自然語言處理兩個(gè)方面的技術(shù),極大地增加了圖像描述任務(wù)的挑戰(zhàn)性。目前先進(jìn)的圖像描述方法大都以深度學(xué)習(xí)算法為基礎(chǔ),先使用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）作為編碼器提取圖像特征,然后使用循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network,RNN）作為解碼器生成相應(yīng)的描述。然而,現(xiàn)有的圖像描述算法往往不能充分地利用圖像的空間信息,也忽略了圖像空間信息與時(shí)間序列信息之間的融合。為了解決以上問題,本文以編碼-解碼框架和注意力機(jī)制為基礎(chǔ),設(shè)計(jì)了三種圖像描述算法,本文主要研究內(nèi)容如下:1、設(shè)計(jì)了一種基于深度循環(huán)卷積網(wǎng)絡(luò)的圖像描述算法。該算法首先使用卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征,然后使用卷積長短期記憶網(wǎng)絡(luò)（Convolutional LSTM,Co... 

【文章來源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

常見的“視覺-語言”任務(wù)

基于模板的圖像描述框架

基于檢索的圖像描述框架

【參考文獻(xiàn)】：
期刊論文
[1]基于深度融合的顯著性目標(biāo)檢測(cè)算法[J]. 張冬明,靳國慶,代鋒,袁慶升,包秀國,張勇東.  計(jì)算機(jī)學(xué)報(bào). 2019(09)
[2]基于注意力機(jī)制的上下文相關(guān)的問答配對(duì)方法[J]. 王路,張璐,李壽山,周國棟.  中文信息學(xué)報(bào). 2019(01)
[3]基于簡(jiǎn)單循環(huán)單元的深層神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯模型[J]. 張文,馮洋,劉群.  中文信息學(xué)報(bào). 2018(10)
[4]基于多注意力多尺度特征融合的圖像描述生成算法[J]. 陳龍杰,張鈺,張玉梅,吳曉軍.  計(jì)算機(jī)應(yīng)用. 2019(02)
[5]基于多模深度神經(jīng)網(wǎng)絡(luò)生成圖像描述研究[J]. 周珊,劉子龍.  軟件導(dǎo)刊. 2018(08)
[6]模板驅(qū)動(dòng)的神經(jīng)機(jī)器翻譯[J]. 李強(qiáng),黃輝,周沁,韓雅倩,肖桐,朱靖波.  計(jì)算機(jī)學(xué)報(bào). 2019(03)
[7]面向知識(shí)自動(dòng)化的自動(dòng)問答研究進(jìn)展[J]. 曾帥,王帥,袁勇,倪曉春,歐陽永基.  自動(dòng)化學(xué)報(bào). 2017(09)
[8]融合注意力和動(dòng)態(tài)語義指導(dǎo)的圖像描述模型[J]. 張威,周治平.  計(jì)算機(jī)科學(xué)與探索. 2017(12)
[9]基于場(chǎng)景感知的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J]. 宋濤,李鷗,崔弘亮.  電子學(xué)報(bào). 2016(11)
[10]深度遞歸的層次化機(jī)器翻譯模型[J]. 劉宇鵬,馬春光,張亞楠.  計(jì)算機(jī)學(xué)報(bào). 2017(04)



本文編號(hào)：3410693