隨著互聯(lián)網(wǎng)和計(jì)算機(jī)智能的飛速發(fā)展,圖像數(shù)據(jù)和視頻數(shù)據(jù)急劇增加。為了更好滿(mǎn)足人們對(duì)圖像信息和視頻信息的需求,急需對(duì)圖像和視頻進(jìn)行處理的技術(shù)。機(jī)器自動(dòng)生成圖像描述文本是當(dāng)前人工智能研究熱點(diǎn)之一,它搭建起計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理之間的橋梁,是通向機(jī)器智能常應(yīng)用場(chǎng)景的至關(guān)重要一步。圖像描述生成任務(wù)借助計(jì)算機(jī)視覺(jué)技術(shù)自動(dòng)完成圖像目標(biāo)識(shí)別,再利用機(jī)器翻譯模型將解釋的內(nèi)容表達(dá)成一段自然語(yǔ)言文本。圖像描述生成任務(wù)雖然面臨諸多挑戰(zhàn),但應(yīng)用前景廣泛,具有重要的應(yīng)用價(jià)值和現(xiàn)實(shí)意義。本文的主要內(nèi)容如下:(1)首先介紹本論文研究方向的研究背景和研究意義,接著介紹了圖像描述生成的國(guó)外研究現(xiàn)狀。接著介紹現(xiàn)有圖像描述生成模型的優(yōu)缺點(diǎn),深度學(xué)習(xí)中的注意力機(jī)制、多尺度圖像和圖像描述生成的相關(guān)理論與關(guān)鍵技術(shù)。(2)當(dāng)前深度學(xué)習(xí)模型對(duì)圖像特征的提取多數(shù)采用卷積神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練的模型最后幾層中的一層作為全局特征,在圖像信息提取過(guò)程中提取圖像尺度單一,忽視了不同尺度下圖像特征的提取,同樣缺少對(duì)圖像局部信息的提取,造成文字對(duì)圖片內(nèi)容描述的不夠準(zhǔn)確、語(yǔ)義較模糊的問(wèn)題。針對(duì)此問(wèn)題,本文基于在卷積神經(jīng)網(wǎng)絡(luò)中,不同特征層具有不同的尺度。利用...

【文章頁(yè)數(shù)】：47 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容和組織結(jié)構(gòu)
        1.3.1 研究?jī)?nèi)容
        1.3.2 組織結(jié)構(gòu)
    1.4 本章小結(jié)
第2章 相關(guān)理論和關(guān)鍵技術(shù)
    2.1 梯度下降法
    2.2 常見(jiàn)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.2.3 基于卷積神經(jīng)網(wǎng)絡(luò)的特征提取
    2.3 注意力機(jī)制
        2.3.1 硬性注意力
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)中的注意力
    2.4 多尺度圖像
    2.5 本章小結(jié)
第3章 基于多尺度特征的圖像描述生成模型
    3.1 圖像描述模型設(shè)計(jì)概要
    3.2 本文模型結(jié)構(gòu)
    3.3 基于VGG16 的多尺度圖像特征提取的編碼器
        3.3.1 VGG網(wǎng)絡(luò)模型
        3.3.2 編碼器
    3.4 基于LSTM的圖像描述生成的解碼階段
        3.4.1 解碼器
        3.4.2 詞嵌入
        3.4.3 解碼器過(guò)程
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 數(shù)據(jù)集與實(shí)驗(yàn)環(huán)境
        3.5.2 數(shù)據(jù)準(zhǔn)備與數(shù)據(jù)處理
        3.5.3 評(píng)價(jià)指標(biāo)
        3.5.4 結(jié)果分析
    3.6 本章小結(jié)
第4章 基于注意力和多尺度特征融合的圖像描述生成模型
    4.1 注意力圖
    4.2 注意力圖的生成
    4.3 注意力圖和多尺度特征融合
    4.4 實(shí)驗(yàn)與分析
        4.4.1 訓(xùn)練過(guò)程與模型參數(shù)
        4.4.2 實(shí)驗(yàn)結(jié)果
        4.4.3 結(jié)果分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝



本文編號(hào)：3924286