| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 本文的章节结构 | 第14-16页 |
| 第2章 图像描述的相关工作 | 第16-38页 |
| 2.1 卷积神经网络 | 第16-26页 |
| 2.1.1 卷积神经网络的发展 | 第16-17页 |
| 2.1.2 卷积神经网络组成结构 | 第17-21页 |
| 2.1.3 卷积神经网络操作过程 | 第21-25页 |
| 2.1.4 VGG16网络介绍 | 第25-26页 |
| 2.2 循环神经网络 | 第26-32页 |
| 2.2.1 普通循环神经网络(RNN) | 第26-29页 |
| 2.2.2 长短时记忆网络(LSTM) | 第29-32页 |
| 2.3 评测算法(BLEU) | 第32-35页 |
| 2.4 迁移学习 | 第35-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第3章 图像描述的CNN和LSTM联合模型及一体化训练 | 第38-46页 |
| 3.1 图像预处理 | 第38-39页 |
| 3.2 文本预处理 | 第39-40页 |
| 3.3 CNN和LSTM松散模型 | 第40-41页 |
| 3.4 CNN和LSTM联合模型 | 第41-42页 |
| 3.5 一体化训练方法 | 第42-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 图像描述的实验结果分析 | 第46-50页 |
| 4.1 实验基本情况 | 第46页 |
| 4.2 实验结果展示 | 第46-49页 |
| 4.3 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间所发表的学术成果 | 第56-58页 |
| 致谢 | 第58页 |