| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第15-25页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 研究现状与发展趋势 | 第16-21页 |
| 1.2.1 基于深度学习的序列学习 | 第17-18页 |
| 1.2.2 图像文本描述(ImageCaptioning) | 第18-19页 |
| 1.2.3 视觉问答(VisualQuestionAnswering) | 第19-21页 |
| 1.3 研究目标与研究内容 | 第21-23页 |
| 1.3.1 研究目标 | 第21-22页 |
| 1.3.2 研究内容 | 第22-23页 |
| 1.4 创新之处 | 第23-24页 |
| 1.5 论文的组织安排 | 第24-25页 |
| 第2章 深度学习基础知识准备 | 第25-41页 |
| 2.1 有监督学习 | 第25-26页 |
| 2.1.1 目标函数 | 第25-26页 |
| 2.1.2 正则约束 | 第26页 |
| 2.2 优化算法 | 第26-29页 |
| 2.2.1 随机梯度下降(SGD) | 第26-27页 |
| 2.2.2 AdaGrad算法 | 第27-28页 |
| 2.2.3 RMSProp算法 | 第28页 |
| 2.2.4 Adam算法 | 第28-29页 |
| 2.3 卷积神经网络(CNN) | 第29-30页 |
| 2.4 递归神经网络(RNN) | 第30-39页 |
| 2.4.1 “Vanilla”RNN | 第31-32页 |
| 2.4.2 LSTM | 第32-33页 |
| 2.4.3 GRU | 第33-35页 |
| 2.4.4 堆叠RNN | 第35-39页 |
| 2.5 本章小结 | 第39-41页 |
| 第3章 基于门控递归单元的图像文本描述算法 | 第41-61页 |
| 3.1 引言 | 第41-43页 |
| 3.2 研究方法 | 第43-47页 |
| 3.2.1 图像特征表达 | 第44-45页 |
| 3.2.2 自然语句表达 | 第45页 |
| 3.2.3 描述语句生成 | 第45-47页 |
| 3.3 实验结果分析与讨论 | 第47-60页 |
| 3.3.1 数据集 | 第47-48页 |
| 3.3.2 评价标准 | 第48-50页 |
| 3.3.3 对比模型 | 第50-52页 |
| 3.3.4 性能分析 | 第52-60页 |
| 3.4 本章小结 | 第60-61页 |
| 第4章 基于图像全局-局部特征及注意力机制的图像文本描述算法 | 第61-83页 |
| 4.1 引言 | 第61-64页 |
| 4.2 研究方法 | 第64-71页 |
| 4.2.1 图像特征表达 | 第66页 |
| 4.2.2 句子特征表达 | 第66-67页 |
| 4.2.3 门控反馈LSTM语句生生 | 第67-71页 |
| 4.3 实验结果分析与讨论 | 第71-81页 |
| 4.3.1 数据集 | 第71页 |
| 4.3.2 评价指标 | 第71-72页 |
| 4.3.3 对比模型 | 第72页 |
| 4.3.4 实验设置 | 第72-73页 |
| 4.3.5 性能分析 | 第73-81页 |
| 4.4 本章小结 | 第81-83页 |
| 第5章 基于属性及注意力机制的视觉到语言任务算法 | 第83-105页 |
| 5.1 引言 | 第83-85页 |
| 5.2 研究方法 | 第85-93页 |
| 5.2.1 图像属性预测 | 第86-87页 |
| 5.2.2 图像局部特征表达 | 第87-88页 |
| 5.2.3 基于语义指导的注意力机制 | 第88-89页 |
| 5.2.4 图像描述 | 第89-91页 |
| 5.2.5 视觉问答 | 第91-93页 |
| 5.3 实验结果分析与讨论 | 第93-102页 |
| 5.3.1 实验设置 | 第93-94页 |
| 5.3.2 图像描述 | 第94-99页 |
| 5.3.3 图像问答 | 第99-102页 |
| 5.4 本章小结 | 第102-105页 |
| 第6章 总结与展望 | 第105-109页 |
| 6.1 总结 | 第105-106页 |
| 6.2 展望 | 第106-109页 |
| 参考文献 | 第109-123页 |
| 致谢 | 第123-125页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第125-126页 |
