为之则易，不为则难

原创 对Image caption的一些理解(看图说话)

1. 背景​ 在计算机视觉中，图像分类和目标检测任务是比较成熟的领域，已经应用到实际的产品领域。而“看图说话”要实现的功能是，给定一张图像，计算机能告诉我们图片的内容，显然，这会使一个比较复杂的任务，因为它涉及到了如下的子任务：1）检测图像中的目标；2）目标的属性，比如颜色、尺寸等；3）目标之间的关联；4）语言模型，用于把上面的信息表述成句子；2. 相关的论文2.1 “...