随着图像数量日益激增,让机器自动识别图像内容,并用符合人们阅读习惯的语句描述图像内容的图像文本描述技术,成为目前人工智能领域一项重要的研究内容。图像文本描述技术的主要目标是让机器实现“看图说话”,“看图说话”同时也是幼儿教育的主要任务之一。通过图像文本描述技术,幼儿跟随机器一起进行“看图说话”,这将在一定程度上辅助引导幼儿理解图像内容,激发幼儿的学习兴趣。本文的研究目标是利用图像文本描述技术设计并实现一个幼儿看图说话系统,将人工智能技术应用于教育领域,辅助幼儿教育。为实现这一目标,本文对图像文本描述技术进行研究:在准备阶段,本文选取AI Challenger图像中文文本描述数据集,对中文文本进行分词,并使用Word2Vec对标注语句进行词嵌入编码。在模型搭建阶段,本文基于深度学习的方法,采用“编码器-解码器”方式进行搭建,利用ResNet50对图像进行编码,再将图像编码信息与标注语句的词嵌入编码信息一起输送给LSTM网络,生成描述语句。在训练阶段,本文发现由于LSTM网络每一时刻接收的都是图像的全局编码信息,随着时间的推移,对图像信息的利用率逐步下降,生成的预测单词不够准确。针对这一问题,本文引入注意力机制,首先将图像和标注语句的编码信息输送给注意力机制,使其对图像编码信息进行加权处理,其次将处理后的编码信息按时间步输送给堆叠LSTM网络。堆叠LSTM网络通过增加LSTM网络模型的层数,增强模型的表达能力,本文采用了三层堆叠LSTM网络模型作为模型的解码器。为进一步提高网络模型的性能,本文使用Smooth L1损失函数来优化网络模型,加快了收敛速度,同时避免了梯度爆炸问题的产生。本文进行了多组对比实验,并对实验结果进行分析,从多角度验证了改进后模型的有效性。本文基于B/S架构,采用Flask框架搭建了幼儿看图说话系统,系统调用图像中文文本描述模型,实现了上传图片,查看自动生成的图像描述语句等功能。考虑到幼儿群体识字较少、喜欢互动的特点,系统借助语音播报API以“说话”的方式向幼儿传递描述图像的文本信息,满足了幼儿看图说话的基本需求,激发了幼儿的学习兴趣,促进了幼儿自主学习。