| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 第2章 图像描述系统设计 | 第16-19页 |
| 2.1 总体规划 | 第16页 |
| 2.2 模型构成 | 第16页 |
| 2.3 模型架构 | 第16-17页 |
| 2.4 web服务架构 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第3章 图像描述算法基本构成 | 第19-34页 |
| 3.1 深度学习概述 | 第19页 |
| 3.2 卷积神经网络 | 第19-26页 |
| 3.2.1 激活函数 | 第19-21页 |
| 3.2.2 权重初始化 | 第21页 |
| 3.2.3 正则、dropout与batch normalization | 第21-22页 |
| 3.2.4 优化算法 | 第22-23页 |
| 3.2.5 经典网络 | 第23-26页 |
| 3.3 循环神经网络 | 第26-29页 |
| 3.3.1 RNN | 第26-27页 |
| 3.3.2 BRNN | 第27页 |
| 3.3.3 LSTM | 第27-28页 |
| 3.3.4 GRU | 第28-29页 |
| 3.4 注意力机制 | 第29-32页 |
| 3.5 本章小结 | 第32-34页 |
| 第4章 图像描述算法设计 | 第34-55页 |
| 4.1 区域特征提取 | 第34-37页 |
| 4.2 描述语句生成 | 第37-43页 |
| 4.2.1 词向量编码 | 第37-40页 |
| 4.2.2 LSTM | 第40-41页 |
| 4.2.3 注意力机制 | 第41-42页 |
| 4.2.4 beam search | 第42-43页 |
| 4.3 实验与分析 | 第43-54页 |
| 4.3.1 实验数据 | 第43页 |
| 4.3.2 评价指标 | 第43-49页 |
| 4.3.3 参数优化 | 第49页 |
| 4.3.4 实验分析 | 第49-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 web应用实现 | 第55-59页 |
| 5.1 前端页面实现 | 第55-56页 |
| 5.2 后台页面实现 | 第56-57页 |
| 5.3 应用部署配置 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-60页 |
| 参考文献 | 第60-67页 |
| 攻读硕士学位期间发表的论文 | 第67-68页 |
| 致谢 | 第68-69页 |