1. 毕业设计（论文）主要内容：

注意力机制是深度学习中一种具有选择性处理图像信息的机制。而图像理解则是一门自然语言和卷积神经网络交叉学科，它将一幅图作为输入，对应输出一段具有描述性的语句。图像理解可以实现实时字幕生成，场景理解等功能。本课题拟采用卷积神经网络对图像进行特征提取，然后用循环神经网络生成具有描述性的语句。其中在循环神经网络中加入注意力机制以提升模型整体的准确率。采用Python进行模型搭建仿真，并比较加入注意力机制后在BLEU以及Cider等评估矩阵上的提升。

2. 毕业设计（论文）主要任务及要求

（1）查阅相关文献资料15篇以上（其中近5年外文文献不少于3篇）。

（2）完成开题报告及任务书。

（3）用卷积神经网络对图像进行特征提取，然后用循环神经网络生成具有描述性的语句。其中在循环神经网络中加入注意力机制以提升模型整体的准确率。采用python进行模型搭建仿真，并比较加入注意力机制后在bleu以及cider等评估矩阵上的提升。

3. 毕业设计（论文）完成任务的计划与安排

（1）第1－4周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

（2）第5－6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉相关工具软件的使用。

（3）第7－9周：实现卷积神经网络的搭建。

4. 主要参考文献

1. karpathy, a, and l. feifei. "deepvisual-semantic alignments for generating image descriptions. " ieeetransactions on pattern analysis amp; machine intelligence 39.4(2016):664-676.

2. vinyals, oriol, et al. "show and tell: lessonslearned from the 2015 mscoco image captioning challenge." ieeetransactions on pattern analysis amp; machine intelligence 39.4(2017):652-663.

3. xu, kelvin, et al. "show, attend and tell:neural image caption generation with visual attention." computer science(2015):2048-2057.

   剩余内容已隐藏，您需要先支付 5元 才能查看该篇文章全部内容！立即支付