导语

  

内容提要

  

    本书针对图像描述生成中的数据集偏差、多样化及可控生成难题，结合科研案例，系统介绍基于深度学习的相关模型与算法，深入解析特征提取、语义映射、生成优化等核心技术环节。
    书中通过对比实验验证方法有效性，内容兼具理论深度与实践指导性，可作为信息科学、计算机科学与技术、自动化等专业师生、工程师及科研工作者的参考用书，助力解决实际场景中图像语义转化的精准性与灵活性问题。

第1章  绪论
  1.1  选题背景及意义
  1.2  国内外研究现状
  1.3  研究意义
  1.4  研究内容和结构安排
第2章  基于变分自编码和强化学习的光学遥感图像描述
  2.1  引言
  2.2  预备知识
  2.3  基于Transformer和强化学习的遥感图像描述方法
  2.4  自检查序列训练方法
  2.5  基于变分自编码的两阶段光学遥感图像描述方法
  2.6  实验结果及对比分析
  2.7  本章小结
第3章  基于因果推理的图像描述方法
  3.1  引言
  3.2  模型整体架构
  3.3  实验结果和分析
  3.4  本章小结
第4章  基于词性标注的图像描述方法
  4.1  引言
  4.2  模型整体架构
  4.3  实验结果和分析
  4.4  本章小结
第5章  基于条件变分Transformer和自省性对抗学习的图像描述方法
  5.1  引言
  5.2  模型整体架构
  5.3  实验结果和分析
  5.4  本章小结
第6章  基于条件变分自编码和对比学习的图像多样化描述方法
  6.1  引言
  6.2  条件变分自编码与双重对比学习机制
  6.3  分阶段训练策略
  6.4  实验结果与分析
  6.5  本章小结
第7章  基于条件变分Transformer的图像多样化描述方法
  7.1  引言
  7.2  条件变分Transformer的编解码架构
  7.3  实验与分析
  7.4  本章小结
第8章  基于词性标注的图像多样化描述可控生成方法
  8.1  引言
  8.2  模型整体架构
  8.3  多样化词性标注序列生成的网络结构
  8.4  可控图像描述生成的网络结构
  8.5  实验与分析
  8.6  本章小结
第9章  基于全局与序列混合变分Transformer的多样化图像描述生成方法
  9.1  引言
  9.2  混合条件变分自编码模型
  9.3  基于变分证据下界优化的图像描述生成框架
  9.4  模型训练与推断
  9.5  实验结果和分析
  9.6  本章小结
第10章  基于语法结构嵌入学习的多样可控图像描述方法
  10.1  引言
  10.2  模型整体架构
  10.3  基于Transformer的词性标注序列生成模型
  10.4  基于句法嵌入学习的条件生成模型
  10.5  实验结果和分析
  10.6  本章小结
第11章  基于全景分割与多视觉特征协同的图像描述方法
  11.1  引言
  11.2  网格特征提取器与掩码特征提取器
  11.3  视觉编码器
  11.4  双流解码器
  11.5  训练细节
  11.6  实验结果与分析
  11.7  本章小结
第12章  基于细粒度语义引导和条件变分Transformer的多样化图像描述方法
  12.1  引言
  12.2  视觉编码器
  12.3  条件变分Transformer模型
  12.4  生成器
  12.5  训练细节
  12.6  实验结果与分析
  12.7  本章小结
第13章  工作总结与展望
参考文献