| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 基于模板的图像描述方法 | 第13-14页 |
| 1.2.2 基于语义迁移的图像描述方法 | 第14页 |
| 1.2.3 基于通道(Pipeline)的图像描述方法 | 第14-15页 |
| 1.2.4 基于“编码-解码”的图像描述方法 | 第15-16页 |
| 1.3 本文主要研究内容与章节安排 | 第16-19页 |
| 1.3.1 主要研究内容 | 第16-17页 |
| 1.3.2 章节安排 | 第17-19页 |
| 第2章 基于神经网络图像描述的相关理论基础 | 第19-33页 |
| 2.1 卷积神经网络 | 第19-25页 |
| 2.1.1 神经网络基本理论 | 第19-21页 |
| 2.1.2 卷积层 | 第21-23页 |
| 2.1.3 池化层 | 第23-24页 |
| 2.1.4 激活函数 | 第24-25页 |
| 2.2 循环神经网络 | 第25-30页 |
| 2.2.1 循环神经网络基本理论 | 第25-27页 |
| 2.2.2 长短期记忆模型LSTM | 第27-30页 |
| 2.3 神经网络训练及优化算法 | 第30-32页 |
| 2.3.1 误差反向传播算法 | 第30-31页 |
| 2.3.2 防止过拟合技术 | 第31-32页 |
| 2.4 本章小节 | 第32-33页 |
| 第3章 基于CNN的图像高级语义提取方法 | 第33-45页 |
| 3.1 基于VGG的单标签模型训练 | 第33-36页 |
| 3.1.1 VGG模型结构 | 第34-35页 |
| 3.1.2 单标签分类网络预训练 | 第35-36页 |
| 3.2 基于多标签数据集的参数优化 | 第36-39页 |
| 3.2.1 基于MSCOCO数据集的字典构建算法 | 第36-38页 |
| 3.2.2 全连接层的调整与优化 | 第38-39页 |
| 3.3 基于候选区域选取的高级语义生成算法 | 第39-44页 |
| 3.3.1 基于二值化梯度特征的候选区域生成算法 | 第39-42页 |
| 3.3.2 基于IOU的候选区域筛选算法 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于Attention与多模态的文本生成方法 | 第45-59页 |
| 4.1 Word2Vec词嵌入向量空间算法 | 第45-49页 |
| 4.1.1 Skip-Gram模型 | 第46-47页 |
| 4.1.2 Skip-Gram训练 | 第47-49页 |
| 4.2 基于Attention的注意力自适应算法 | 第49-54页 |
| 4.2.1 Attention模型 | 第50页 |
| 4.2.2 基于Attention机制的图片描述生成算法 | 第50-52页 |
| 4.2.3 改进的自适应Attention机制 | 第52-54页 |
| 4.3 基于LSTM的多模态方法 | 第54-58页 |
| 4.3.1 多模态层融合Attention的描述生成方法 | 第55-57页 |
| 4.3.2 多模态网络训练 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 实验结果及分析 | 第59-76页 |
| 5.1 实验环境 | 第59-62页 |
| 5.1.1 实验硬件环境 | 第59-60页 |
| 5.1.2 实验软件环境 | 第60-62页 |
| 5.2 实验数据集 | 第62-64页 |
| 5.2.1 ImageNet数据集 | 第62-63页 |
| 5.2.2 MSCOCO数据集 | 第63页 |
| 5.2.3 Flickr30K数据集 | 第63-64页 |
| 5.3 实验评价标准 | 第64-66页 |
| 5.3.1 BLEU标准 | 第64-65页 |
| 5.3.2 METEOR标准 | 第65页 |
| 5.3.3 CIDEr标准 | 第65-66页 |
| 5.4 实验结果及分析 | 第66-75页 |
| 5.4.1 图像高级语义提取方法实验结果 | 第66-70页 |
| 5.4.2 多模态融合Attention的描述生成方法实验结果及分析 | 第70-75页 |
| 5.5 本章小结 | 第75-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 进一步工作方向 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-82页 |
