图像文本描述的生成方法及装置

本公开提供了一种图像文本描述的生成方法及装置。该方法包括：利用Transformer和多层感知机构建语义特征提取分支；利用相似度计算公式和注意力机制构建视觉分组网络，利用随机向量生成网络、Transformer、视觉分组网络、Transformer、平均池化层和多层感知机构建视觉分组分支；利用线性层、语义特征提取分支、视觉分组分支、多层感知机和GPT网络构建图像描述生成模型；利用训练图像对图像描述生成模型进行训练，利用训练后的图像描述生成模型生成目标图像的目标文本描述。采用上述技术手段，可以解决现有技术中特征细节信息描述不充分和携带语义信息不足的问题，进而提升生成的文本描述的质量。