深度学习CNN&RNN实战---------图像生成文本

问题引入
评测标准：
（1）BLEU：缺点----重复值时匹配度高但无意义，倾向于短句，应该引入短句惩罚
。。。。。

模型：Encoder-Decoder

问题建模
--------》Beam Search生成文本：

1. 每一步取top-n结果
2. 下一步依靠上一步的top-n结果从n^2的结果中选择top-n
3. 生成top-n的路径
4. 用单独的语言模型来评测top-n的路径

---------->Multi-Modal RNN
https://www.cnblogs.com/Determined22/p/6910277.html
特点：每一步都需要图像输入，普通RNN

---------》show and tell

特点：使用了lstm使得同样的图像特征没必要重复输入，使得词语的原始enbedding没必要输入
-----》show attention and tell
引入了attention机制，每个词语可以对应图片的不同位置，每一步都需要输入图像的加权特征
-----------》Top-Down Bottom-Up Attention
为解决show and tell的过载问题，按功能分层实现。

https://blog.csdn.net/zlrai5895/article/details/84842741