image caption实际上是一个看图说话的任务，即输入一张图，输出图片的描述。此项目数据集来源于COCO2014，包含80000多张图片。此项目采用tf.keras进行建模，模型很简单，适合初学者进行学习、练习
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/eager/python/examples/generative_examples/image_captioning_with_attention.ipynb
官方给的代码使用的是tensorflow的eager模式，可自行查阅参考。
-
python data_hepler.py
划分数据，使用了20000张图片, 并保存20000张图片特征 -
python image_caption_keras.py
开始训练，并保存模型
1、数据划分、文本清洗、构建数据集，标签需要自己构造。
比如：对于two women stand on each side of the elephant来说，重新构造数据的方法：
image caption label
============== ================ ==================
image <start> two
image <start> two women
image <start> two women stand
image ...... ......
image <start> two women stand on each side of the elephant <end>
每次将同一张图片和该图片描述前面的词输入模型，模型的输出是描述的后一个词
2、模型
3、测试
使用beam_search来生成图片描述
效果：查看result.ipynb文件
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent