图像描述生成方法、装置、设备以及存储介质

本公开提供了图像描述生成方法、装置、设备以及存储介质，涉及人工智能领域，尤其涉及深度学习、智能搜索、计算机视觉领域。具体实现方案为：基于输入图像的第一视觉特征进行检索，得到多模态检索结果；基于该多模态检索结果，得到多维语义特征；基于该第一视觉特征，从该多维语义特征中检索目标语义特征；基于该第一视觉特征和该目标语义特征，生成该输入图像的描述。