图像描述是一项将图像与文本相结合的任务,主要目的是利用计算机自动生成图像对应的描述性语句。在视力缺陷人群辅助系统、信息检索和智能交通等领域有广泛的应用。目前较为成熟的图像描述模型都是采用有监督的方法,这种方法受限于高昂的人工成本,无监督方法的兴起为图像描述提供了一种新的思路。本文借鉴无监督方法的思想,融合深度学习相关技术对图像描述任务进行研究,主要工作如下:第一,提出基于生成对抗方法的快速无监督图像描述模型GA-based UIC。考虑到有监督方法在现实问题中受限于特定的数据集、需要耗费大量人工成本,本文借鉴无监督方法的思想提出不依赖于数据集的无监督图像描述模型:采用生成对抗式文本生成方法,用参数更少的循环神经网络GRU构成解码部分的生成器和判别器,该方法可以使模型达成无监督的目的,有效避免大量的数据集标注工作;编码部分是卷积神经网络,将目标检测模型YOLOv3用于辅助训练,有效地提升模型的精确度。通过对比不同模型的收敛时间、训练及测试时间,表明本文提出的模型整体周期更短,生成的描述在BLEU＿1、BLEU＿2、BLEU＿3和ROUGE等指标上的得分比UIC模型提高2.6%、0.7%、0.6%和0.4%。第二,提出了融合残差结构与注意力机制的无监督图像描述模型Res-Att UIC。目前的无监督图像描述模型与较为成熟的有监督图像描述模型在指标得分上尚有一定的差距。主要问题在两个方面:用于提取图像特征的卷积网络不断加深,会带来梯度消失和信号消失等问题,影响模型收敛;模型生成的描述尚不能很好地关注到图像中的关键位置,在图像的背景或者其他无关紧要的部分浪费了部分计算资源。针对这些问题Res-Att UIC模型在GA-based UIC模型基础上改进,第一,参考Res Net中缓解梯度消失问题的方法,将残差结构引入编码器中的卷积神经网络中,有效避免深层网络带来的一系列模型问题;第二,将注意力机制融入到解码部分的生成对抗方法中,使模型在生成文本的同时可以关注到图像中的不同区域,有效避免计算资源的浪费。Res-Att UIC模型比现有的无监督图像描述模型在BLEU＿1、BLEU＿3、BLEU＿4和METEOR等指标上得分比UIC模型提升3.7%、1.2%、1.3%、1.9%和1.0%,表明最终的描述质量有一定的提升。本文首先提出基于生成对抗方法的快速无监督图像描述模型GA-based UIC,实现了在不依赖数据集的情况下进行无监督图像描述。接着提出了融合残差结构与注意力机制的无监督图像描述模型Res-Att UIC,增强生成的描述语句的质量。