使用Pytorch中的LSTM生成风格化图像字幕的任务被称为stylized_image_captioning

实施StyleNet：使用LSTM生成样式化的图像标题 战队：蔡丽莎，刘德华 介绍 该项目的目的是实现一种图像字幕模型，该模型具有生成风格化字幕（浪漫或有趣）的能力。 我们将基于Microsoft Research Redmond的论文“ StyleNet：用样式生成有吸引力的视觉字幕”建立模型。 我们的模型将以Pytorch编写。 数据 我们的模型使用两个数据集。 第一个是具有图像和事实字幕的Flickr10k数据集，该数据集用于我们的图像字幕任务。 对于我们的语言模型，我们将使用由原始论文的作者发布的FlickrStyle 7k数据集。 技术概述 LSTM模型 我们将从本文应用因式分解LSTM模型。 对于图像字幕，文献中常用的策略是采用预先训练的CNN模型作为编码器，以将图像映射到固定尺寸的特征向量，然后使用LSTM模型作为解码器，以基于图像向量生成字幕。 在这里，“分解的LSTM”