基于多模态递归网络的图像描述研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 主要难点与方法 | 第11-13页 |
| 1.3.1 图像特征表示 | 第11页 |
| 1.3.2 大规模数据处理 | 第11-12页 |
| 1.3.3 语句序列处理 | 第12-13页 |
| 1.4 研究内容和贡献 | 第13-14页 |
| 1.5 论文的组织结构 | 第14-15页 |
| 2 深度学习及相关网络模型 | 第15-26页 |
| 2.1 引言 | 第15页 |
| 2.2 深度学习基本思想 | 第15-16页 |
| 2.3 卷积神经网络 | 第16-21页 |
| 2.3.1 基本原理 | 第16-18页 |
| 2.3.2 常用模型 | 第18-21页 |
| 2.4 递归神经网络 | 第21-25页 |
| 2.4.1 基本原理 | 第21-22页 |
| 2.4.2 常用模型 | 第22-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于语句双向序列的多模态递归网络模型 | 第26-45页 |
| 3.1 引言 | 第26页 |
| 3.2 多模态递归网络简介 | 第26-28页 |
| 3.3 双向多模态递归网络 | 第28-36页 |
| 3.3.1 网络结构 | 第28-32页 |
| 3.3.2 损失函数 | 第32-33页 |
| 3.3.3 训练过程 | 第33-34页 |
| 3.3.4 语句序列处理 | 第34-36页 |
| 3.4 实验分析 | 第36-44页 |
| 3.4.1 数据集 | 第36页 |
| 3.4.2 评价准则 | 第36-38页 |
| 3.4.3 实验参数及训练技巧 | 第38-40页 |
| 3.4.4 实验分析 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 基于图像-文本特征融合的多模态递归网络模型 | 第45-58页 |
| 4.1 引言 | 第45页 |
| 4.2 问题分析 | 第45-46页 |
| 4.3 图像空间特征 | 第46-49页 |
| 4.3.1 图像描述中的注意力机制 | 第46-48页 |
| 4.3.2 结合空间特征的图像描述 | 第48-49页 |
| 4.4 图像特征与文本特征融合 | 第49-51页 |
| 4.5 实验分析 | 第51-56页 |
| 4.5.1 实验验证结果 | 第51-53页 |
| 4.5.2 模型生成语句展示 | 第53-54页 |
| 4.5.3 语句候选集重排序 | 第54-56页 |
| 4.6 本章小结 | 第56-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58-59页 |
| 5.2 未来工作展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录 | 第66页 |
