| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-15页 |
| 1.1 背景描述 | 第7-8页 |
| 1.2 意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-11页 |
| 1.4 图像描述任务中的深度学习 | 第11-12页 |
| 1.5 本文贡献 | 第12-14页 |
| 1.6 本文安排 | 第14-15页 |
| 第2章 相关工作 | 第15-25页 |
| 2.1 深度学习简介 | 第15-16页 |
| 2.1.1 深度学习概述 | 第15-16页 |
| 2.1.2 深度学习历史 | 第16页 |
| 2.2 深度学习模型及其应用 | 第16-24页 |
| 2.2.1 卷积神经网络及其应用 | 第17-22页 |
| 2.2.2 循环神经网络及其应用 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于注意力机制图像描述框架的一致性与相关性约束 | 第25-43页 |
| 3.1 词嵌入表示 | 第25-26页 |
| 3.2 VGG19提取图片特征 | 第26-27页 |
| 3.3 长短期记忆网络 | 第27页 |
| 3.4 基于注意力机制图像描述模型 | 第27-30页 |
| 3.4.1 注意力机制获取局部视觉特征 | 第28-29页 |
| 3.4.2 基于注意力机制的长短期记忆网络 | 第29-30页 |
| 3.4.3 多层感知器预测输出 | 第30页 |
| 3.5 一致性约束 | 第30页 |
| 3.6 相关性约束 | 第30-32页 |
| 3.6.1 基于欧氏空间的相关性约束 | 第30-31页 |
| 3.6.2 基于黎曼流形的相关性约束 | 第31页 |
| 3.6.3 一致性与相关性的联合约束 | 第31-32页 |
| 3.7 实验 | 第32-39页 |
| 3.7.1 数据集 | 第32页 |
| 3.7.2 数据预处理 | 第32-33页 |
| 3.7.3 参数设置 | 第33-34页 |
| 3.7.4 实验结果分析 | 第34-39页 |
| 3.8 基于注意力机制的长短期记忆网络的改进 | 第39-40页 |
| 3.9 本章小结 | 第40-43页 |
| 第4章 基于目标检测图像描述框架的一致性与相关性约束 | 第43-49页 |
| 4.1 词嵌入表示 | 第43-44页 |
| 4.2 FasterRCNN | 第44-45页 |
| 4.3 基于目标信息的长短期记忆网络 | 第45-46页 |
| 4.4 一致性约束 | 第46页 |
| 4.5 相关性约束 | 第46-47页 |
| 4.6 一致性与相关性的联合约束 | 第47页 |
| 4.7 实验 | 第47-48页 |
| 4.7.1 数据集 | 第47页 |
| 4.7.2 数据预处理 | 第47页 |
| 4.7.3 参数设置 | 第47-48页 |
| 4.7.4 实验结果分析 | 第48页 |
| 4.8 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 发表论文和参加科研情况说明 | 第55-57页 |
| 致谢 | 第57页 |