图像描述旨在把一幅图像的内容翻译为人类能够理解的自然语句,这与图像分类、目标检测等粗粒度的图像理解任务有一定的区别。图像描述任务不仅需要模型识别出图像中的目标、场景、属性等信息,还需要模型能够理解它们之间的关系,因此具有很大的挑战性,在婴幼儿早期教育、图像检索、辅助视觉障碍人士等方面具有极为广阔的应用。近年来,由于深度学习的发展及编码器-解码器框架在机器翻译领域中的有效应用,基于编码器-解码器框架下的图像描述任务得到快速发展。本文的主要工作如下:(1)提出了基于注意力长短时记忆网络的图像描述算法。针对长短时记忆网络中各个时刻获取信息不准确的问题,我们提出了注意力长短时记忆网络,该网络使用上一时刻隐藏层的信息控制当前时刻的输入信息;同时我们将注意力长短时记忆网络与四种经典图像描述模型框架相结合并在图像描述数据集上进行实验,验证了注意力长短时记忆网络对图像描述任务的有效性。(2)提出了基于目标区域注意力机制的图像描述算法。通过研究图像描述算法,我们发现图像各个子区域中包含清晰的语义目标信息更能提升图像描述的准确性,因此能否正确获取图像中的目标区域信息是图像描述的关键。在基于注意力长短时记忆网络的图像描述算法的基础上,我们利用Faster-RCNN目标检测模型提取图像的目标区域,利用注意力机制关注各个目标区域;通过强化学习的方法对图像描述模型的训练过程进行优化并通过实验验证目标区域特征及强化学习方法对图像描述任务的有效性。