一種圖像字幕生成的方法及系統(tǒng)

基本信息

申請?zhí)?/td> CN201910885349.0 申請日 -
公開（公告）號 CN110750669A 公開（公告）日 2020-02-04
申請公布號 CN110750669A 申請公布日 2020-02-04
分類號 G06F16/58;G06F16/55;G06N3/08;G06N3/04 分類 計算；推算；計數(shù);
發(fā)明人 楊志明 申請（專利權(quán)）人 深思考人工智能機器人科技（北京）有限公司
代理機構(gòu) 北京德琦知識產(chǎn)權(quán)代理有限公司 代理人 深思考人工智能機器人科技（北京）有限公司
地址 100084 北京市海淀區(qū)上地信息路12號中關(guān)村發(fā)展大廈B區(qū)B203
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種圖像字幕生成的方法及系統(tǒng)，本發(fā)明實施例中的神經(jīng)網(wǎng)絡(luò)模型采用編碼器?解碼器(encoder?decoder)遞歸雙向循環(huán)神經(jīng)網(wǎng)絡(luò)架構(gòu)，該模型包括兩個主要部分：圖像特征提取部分和圖像字幕生成部分。其中，對于圖像特征提取部分，設(shè)置卷積神經(jīng)網(wǎng)絡(luò)將圖像轉(zhuǎn)換為圖像的特征矢量信息；對于圖像字幕生成部分，設(shè)置雙向循環(huán)神經(jīng)網(wǎng)絡(luò)，輸入圖像的特征矢量信息，雙向循環(huán)神經(jīng)網(wǎng)絡(luò)提取到文本中的深度語義信息，最終得到圖像字幕信息。本發(fā)明實施例簡單地自動生成圖像字幕，且提高圖像字幕生成的準確率。