目的：从图片中自动生成一段描述性文字，用以展现图片中的主要
特征以及特征之间的关系。
方法： 的二合一的跨界问题。核心的解决思想是用 结构
从 中 提 取 出 分 布 ， 作 为 状 态 输 入 ， 再 送 入 一 个
（）构建的经典 模型，利用。
问题被分为了两个部分——前部的 ，以及后部的 部分：
· 在图片特征提取上，采用 实现图片高层特征的提取，将
中 每 个 点 的 特 征 向 量 取 平 均 值 作 为 特 征 输 出 —
。
· 在语义生成上，采用 网络结构—。
直接将 产生的特征输出输入 的第一个 位置作
为初始隐藏状态。
缺点：生成的语义较长时， 后期无法利用图片特征。
将 产生的特征输出作为 每一个位置的输入。
缺点：在 ! 结构中， 把所有的输入序列都编
码成一个统一的图片特征 ，再通过 解码，因此， 中必须
包含原始图片中的所有信息，它的长度就成了限制模型性能的瓶颈。
在 生成中，当要生成的句子较长时，一个 可能存不下那么
剩余53页未读，继续阅读
资源评论
