图像描述

最近老师让我写一个图像描述的项目，于是我就结合谷歌很早发表的NIC和今年CVPR的两篇论文:Skeleton Key: Image Captioning by Skeleton-Attribute Decomposition和SCA-CNN: Spatial and Channel-wise Attention in Convolutional Networksfor Image Captioning的内容做了这个项目，目前这个项目还在阿里云上运行，下面给出运行少量数据(几百张)得到的结果。

实验环境

• python3
• opencv-python
• tensorlayer
• vgg网络

结果

a dog wearing a red is is with in the of a dog .

a dog dog is a blue of .

可以看出给出的描述看起来很荒谬而且不完整，但是起码有些语法是正确的，所以等完全跑完再看看效果吧(-_-)。