[发明专利]一种基于深度学习模型的图像中文描述方法有效
| 申请号： | 201711385165.5 | 申请日： | 2017-12-20 |
| 公开（公告）号： | CN108009154B | 公开（公告）日： | 2021-01-05 |
| 发明（设计）人： | 王玉静;吕世伟;谢金宝;殷楠楠;谢桂芬;李佰蔚 | 申请（专利权）人： | 哈尔滨理工大学 |
| 主分类号： | G06F40/289 | 分类号： | G06F40/289;G06F40/242;G06F16/583;G06N3/04 |
| 代理公司： | 哈尔滨市伟晨专利代理事务所(普通合伙) 23209 | 代理人： | 曹徐婷 |
| 地址： | 150080 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明一种基于深度学习模型的图像中文描述方法属于计算机视觉与自然语言处理领域；包括准备ImageNet图像数据集和AI Challenger图像中文描述数据集；对ImageNet图像数据集利用DCNN进行预训练，得到DCNN预训练模型；对AI Challenger图像中文描述数据集进行图像特征提取和图像特征映射，传输到GRU门限递归网络循环神经网络；对AI Challenger图像中文描述数据集中的AI Challenger图像标注集进行词编码矩阵构建；利用NNLM提取词嵌入特征，完成文本特征映射；GRU门限递归网络循环神经网络作为语言生成模型，完成图像描述模型构建；中文描述语句生成；本发明弥补了图像中文描述的空白，实现自动生成图像中文描述的功能，并且在描述内容的准确性上有很好的改进，为中文NLP以及计算机视觉的发展奠定了基础。 | ||
| 搜索关键词： | 一种 基于 深度 学习 模型 图像 中文 描述 方法 | ||
【主权项】：
1.一种基于深度学习模型的图像中文描述方法，其特征在于，包括以下步骤：步骤a、准备ImageNet图像数据集和AI Challenger图像中文描述数据集；步骤b、对ImageNet图像数据集利用DCNN进行预训练，得到DCNN预训练模型；步骤c、DCNN预训练模型对AI Challenger图像中文描述数据集进行图像特征提取和图像特征映射，传输至GRU门限递归网络循环神经网络；步骤d、对AI Challenger图像中文描述数据集中的AI Challenger图像标注集进行词编码矩阵构建，包括文本预处理和分词，建立词典，在中文语句建立词索引；步骤e、利用NNLM提取词嵌入特征，完成文本特征映射，传输至GRU门限递归网络循环神经网络；步骤f、GRU门限递归网络循环神经网络作为语言生成模型，完成图像描述模型构建；步骤g、中文描述语句生成。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨理工大学，未经哈尔滨理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711385165.5/，转载请声明来源钻瓜专利网。
