基于深度学习的图像字幕生成方法研究
| 摘要 | 第2-3页 |
| abstract | 第3-4页 |
| 第1章 绪论 | 第7-16页 |
| 1.1 课题研究的背景和意义 | 第7-9页 |
| 1.1.1 研究背景 | 第7-8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 图像字幕生成的发展概述 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-14页 |
| 1.3.1 图像特征提取研究现状 | 第10-12页 |
| 1.3.2 语言建模与生成研究现状 | 第12-13页 |
| 1.3.3 图像字幕生成模型研究现状 | 第13-14页 |
| 1.4 本文研究的主要内容和章节安排 | 第14-16页 |
| 1.4.1 主要研究内容 | 第14页 |
| 1.4.2 章节安排 | 第14-16页 |
| 第2章 深度学习理论背景 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 监督学习 | 第16-17页 |
| 2.3 优化算法 | 第17-19页 |
| 2.4 反向传播算法介绍 | 第19-20页 |
| 2.5 常见神经网络结构 | 第20-24页 |
| 2.5.1 全连接网络 | 第20-21页 |
| 2.5.2 卷积神经网络 | 第21-23页 |
| 2.5.3 循环神经网络 | 第23-24页 |
| 2.6 本章小结 | 第24-26页 |
| 第3章 基于卷积与循环神经网络的图像字幕生成 | 第26-41页 |
| 3.1 引言 | 第26页 |
| 3.2 基于卷积神经网络的图像特征提取 | 第26-28页 |
| 3.3 基于循环神经网络的语言建模与生成 | 第28-29页 |
| 3.4 图像字幕生成模型 | 第29-31页 |
| 3.5 图像字幕生成评价指标 | 第31-33页 |
| 3.6 实验结果 | 第33-39页 |
| 3.6.1 数据集介绍与处理 | 第33-35页 |
| 3.6.2 训练参数配置 | 第35页 |
| 3.6.3 图像英文字幕生成 | 第35-37页 |
| 3.6.4 图像中文字幕生成 | 第37-39页 |
| 3.7 本章小结 | 第39-41页 |
| 第4章 基于注意力机制模型的图像字幕生成 | 第41-52页 |
| 4.1 引言 | 第41页 |
| 4.2 相关工作 | 第41-42页 |
| 4.3 图像特征提取 | 第42-43页 |
| 4.4 带有注意力机制的语言生成模型 | 第43-45页 |
| 4.5 实验结果 | 第45-51页 |
| 4.5.1 训练参数配置 | 第46页 |
| 4.5.2 定量评价与对比 | 第46-48页 |
| 4.5.3 生成结果评价 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 论文总结 | 第52-53页 |
| 5.2 工作展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间取得的研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |
