| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 选题背景和意义 | 第8-10页 |
| 1.1.1 选题背景 | 第8-9页 |
| 1.1.2 课题学术意义 | 第9页 |
| 1.1.3 课题实用意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 管道模型 | 第11页 |
| 1.2.2 端到端模型 | 第11-12页 |
| 1.3 本文主要研究工作及难点 | 第12-13页 |
| 1.3.1 本文主要工作 | 第12-13页 |
| 1.3.2 本文难点 | 第13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 2 相关知识 | 第14-24页 |
| 2.1 深度神经网络模型 | 第14-16页 |
| 2.1.1 卷积神经网络（CNNs） | 第14-15页 |
| 2.1.2 循环神经网络（RNNs） | 第15-16页 |
| 2.2 多示例学习（MIL） | 第16-17页 |
| 2.3 词嵌入（Word Embedding） | 第17页 |
| 2.4 注意机制（Attention Mechanism） | 第17-18页 |
| 2.5 网络模型训练及优化 | 第18-23页 |
| 2.5.1 网络训练 | 第18-22页 |
| 2.5.2 优化方法 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 3 基于注意机制的图像描述模型 | 第24-44页 |
| 3.1 图像描述任务介绍 | 第24页 |
| 3.2 神经图像描述模型 | 第24-30页 |
| 3.2.1 神经图像描述模型框架 | 第25-26页 |
| 3.2.2 卷积神经网络编码 | 第26-27页 |
| 3.2.3 长短时记忆网络解码 | 第27-30页 |
| 3.3 结合注意机制的神经图像描述模型 | 第30-37页 |
| 3.3.1 图像细节信息标签提取 | 第31-33页 |
| 3.3.2 关注标签词语的循环神经网络语言模型 | 第33-37页 |
| 3.4 实验数据集 | 第37-38页 |
| 3.5 模型训练及结果分析 | 第38-43页 |
| 3.5.1 模型关键参数设定 | 第38页 |
| 3.5.2 实验结果与分析 | 第38-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 基于批归一化的图像区域描述模型 | 第44-63页 |
| 4.1 图像区域描述任务介绍 | 第44-45页 |
| 4.2 全卷积定位网络模型 | 第45-50页 |
| 4.2.1 卷积网络提取图像特征 | 第45-46页 |
| 4.2.2 全卷积定位层定位区域 | 第46-49页 |
| 4.2.3 识别网络再次定位区域 | 第49页 |
| 4.2.4 循环神经网络语言模型 | 第49-50页 |
| 4.3 批归一化的全卷积定位网络模型 | 第50-56页 |
| 4.3.1 批归一化卷积和长短时记忆网络 | 第50-55页 |
| 4.3.2 模型的训练和优化设计 | 第55-56页 |
| 4.4 实验数据集 | 第56页 |
| 4.5 模型训练及结果分析 | 第56-62页 |
| 4.5.1 模型关键参数设定 | 第57页 |
| 4.5.2 数据预处理及评价指标 | 第57-58页 |
| 4.5.3 实验结果与分析 | 第58-62页 |
| 4.6 本章小结 | 第62-63页 |
| 5 总结与展望 | 第63-65页 |
| 5.1 全文总结 | 第63-64页 |
| 5.2 进一步工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 附录 | 第71页 |