作为信息存储以及信息查询的主要载体,网络中存储图片数据总量每年呈指数规模增长,如何有效地使用搜索引擎查询关键字,搜索相关图片成为各大图片检索应用的重要问题。事实上,网络中大量的图片信息并没有其对应的描述标签,因此利用高效的算法对大量无标签图片标注准确的图像描述并将其展示给用户,在图像检索系统中是一个极其重要的的问题。近年来人工智能技术发展迅速,深度学习技术结合大规模GPU在各个领域拥有广泛的应用场景,如机器翻译、人脸识别和语音识别等。本文使用深度学习技术对图片信息标注问题的解决进行了研究。深度学习算法模型可以理解图片的内容并提取图像的语义信息,从而描述图片内容与语义描述之间的关系,进而生成可理解的文本内容。本文基于神经网络模型结合注意力机制提出了生成描述的模型,并结合该模型实现了中文图像检索系统。具体工作如下:1.提出了生成图像描述的模型。模型包括图像编码,特征提取和图像解码三部分。其中,图像编码采用了 ResNext网络作为图片数据的编码器。特征提取采用通道和空域注意力机制学习图像的通道与空间上的权重并基于这个权重对编码器提取的特征进行加权。图像解码采用了 ONLSTM模型来实现语句的有序性和层次感。此外,模型引入了过度校正方法,用于解决训练和测试集数据分布不一致的场景时,出现的过度纠正或者错误积累的问题。2.在模型实现的基础上,本系统使用Java、Python、HTML等编程语言实现一个web端的中文图像检索系统和基于后端共用的微信公众号服务。使用docker打包部署系统,并使用nginx,多数据库和服务器保证系统的性能。