图像描述任务的目的是计算机自动生成图像的描述性语句。近年来,图像描述技术获得人们的广泛关注,主要原因包含两个方面:一方面,图像描述技术有着广阔的应用前景,例如盲人导航、智能监控、儿童早期教育等领域;另一方面,图像描述是计算机视觉和自然语言处理的跨模态技术。因此,这要求计算机不仅识别图像中的主要实体及其属性,联系实体间的关系,还要用自然语言描述出来。目前,图像描述的主要研究方法是基于深度学习的编码器-解码器（Encoder-Decoder）框架,虽然Encoder-Decoder的改进不断提出,其生成的图像描述语句的准确性也在提升,但是该模型结构还存在不足之处:1、传统的Encoder-Decoder模型使用极大似然估计来训练模型,它要求模型最大概率生成与真实描述一致的描述语句,忽略了图像描述语言表达的自然性和多样性。2、传统Encoder-Decoder模型生成的描述文本和图像内容的相关匹配度不高,降低了生成的描述语句的质量。3、传统图像描述技术在交通监测方面的应用受限,主要是因为缺少适用于图像描述的交通监测类数据集。本文提出了一个基于生成对抗网络（GAN）的图像描述模型,对上述问题进行改进。生成对抗网络一般由生成器和鉴别器两部分组成,生成器的目标是尽可能生成与真实描述相同的描述语句来骗过鉴别器,而鉴别器的主要工作是判断输入的句子是真实描述还是由生成器生成的。两者交替训练直至收敛。本文的主要研究工作为:（1）本文提出了基于Encoder-Decoder的生成网络,在生成网络中提出了一种新的融合注意力机制让解码器可以更好的理解图像中的内容,其主要作用是图像的局部特征和全局特征联合起来进行交流,通过计算获得融合的特征向量,从而使解码器生成更加准确的描述文本。其次,通过对卷积神经网络和循环神经网络的深入研究,我们选择Res Net101网络对编码器进行改进,通过其残差连接,在高效提取图像特征时,能有效避免梯度消失或梯度爆炸现象。本文模型的解码器选择门控循环单元（GRU）优化序列文本的处理,不仅拥有长时间记忆功能,还相比于同等功能的LSTM参数更少,网络结构更加简洁,提高模型训练的效率。（2）本文提出了基于GRU的鉴别网络,鉴别器采用门控循环单元作为主体编码,其输入生成描述、真实描述以及图像特征向量,将图像特征向量和文本编码向量输入到融合注意力中,输出重点整合向量,和编码向量做语义匹配。训练模型时,因为生成器输出的是离散文本,梯度信号无法反向传播给生成器。因此,本文使用基于强化学习的训练方法来实现本文模型的训练。其次,本文提出了一个语言评估器,由各种评价指标组成来输出客观评估分数。鉴别器和语言评估器的输出结合作为生成器的奖励,指导生成器的生成。在MSCOCO公共数据集上验证了本文模型的有效性。（3）本文提出了一个交通图像数据集,在本文模型的基础上加入注意力因子,加强对光线,颜色的敏锐度,提高模型性能。本文模型在交通数据集上进行实验,对比其他主流模型,结果表明本文模型能有效提高生成交通描述文本的质量。