针对复杂场景的图像描述研究--基于动态聚焦模型

目录

声明

1 绪论

1.1 研究背景及意义

1.2 国内外文献综述

1.3 研究思路与方法

1.4 主要创新与不足

2 模型架构

3 模型详述

3.1 应用于图片描述的编码器——解码器架构

3.2 注意力模型

3.3 两种注意力机制的比较

4 本文的模型

4.1 空间注意力模型

4.2 动态聚焦模型

5 实验细节

5.1 编码器——CNN

5.2 解码器——RNN

5.3 词表征GloVe

5.4 数据增强

5.5 训练

5.6 推断

6 实验设置

6.1 数据集

6.2 评价方法

7.1 定量分析

7.2 定性分析

7.3 动态聚焦模型分析

8结果说明

8.1 图像描述任务

8.2 图像—句子检索任务

9 讨论

10 结论

参考文献

致谢