| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外相关研究和综述 | 第9-12页 |
| 1.2.1 传统的图像标题生成算法 | 第9-10页 |
| 1.2.2 基于深度学习的图像标题生成算法 | 第10-12页 |
| 1.3 问题的总结与分析 | 第12-13页 |
| 1.4 本文主要工作 | 第13页 |
| 1.5 本文组织结构 | 第13-15页 |
| 第2章 深度学习的相关基础知识 | 第15-27页 |
| 2.1 多层感知机 | 第15-16页 |
| 2.2 卷积神经网络 | 第16-21页 |
| 2.2.1 卷积操作 | 第17-18页 |
| 2.2.2 池化操作 | 第18-19页 |
| 2.2.3 VGG网络 | 第19-21页 |
| 2.3 循环神经网络 | 第21-26页 |
| 2.3.1 Elman-RNN | 第21-22页 |
| 2.3.2 LSTM | 第22-24页 |
| 2.3.3 注意力模型 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于深度学习的图像标题生成算法 | 第27-46页 |
| 3.1 编码器-解码器整体框架 | 第27-28页 |
| 3.2 基于PAST-FEEDING的图像标题生成算法 | 第28-30页 |
| 3.2.1 算法基本思想 | 第28-29页 |
| 3.2.2 公式推导 | 第29-30页 |
| 3.3 基于PAST-ATTENTION的图像标题生成算法 | 第30-33页 |
| 3.3.1 算法基本思想 | 第30-32页 |
| 3.3.2 公式推导 | 第32-33页 |
| 3.4 实验结果分析与可视化 | 第33-45页 |
| 3.4.1 实验环境、数据与整体流程 | 第33-35页 |
| 3.4.2 评价指标 | 第35-36页 |
| 3.4.3 实验结果与分析 | 第36-40页 |
| 3.4.4 实验结果可视化 | 第40-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 验证码图像标题生成系统的设计与实现 | 第46-56页 |
| 4.1 数据来源与预处理 | 第46-47页 |
| 4.2 系统整体设计 | 第47-51页 |
| 4.2.1 算法基本思想 | 第47-48页 |
| 4.2.2 系统实现细节 | 第48-50页 |
| 4.2.3 模型训练方法 | 第50-51页 |
| 4.3 实验结果分析与可视化 | 第51-55页 |
| 4.3.1 对比算法 | 第52页 |
| 4.3.2 评价指标 | 第52页 |
| 4.3.3 实验结果与分析 | 第52-54页 |
| 4.3.4 实验结果可视化 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |