图像描述是计算机视觉与自然语言处理的重要交叉领域,是通向机器智能的许多日常情景应用,如图像检索,儿童教育和视力受损人士的生活辅助等的至关重要的一步。随着计算机的硬件性能大幅提升,海量存储空间和GPU超强的运算能力,深度神经网络快速崛起,并在图片分类、目标检测、目标分割等领域取得了巨大突破,为图像描述算法的研究奠定了基础。本文使用深度神经网络对图片描述任务进行设计和建模,并实现了 web服务器端程序,可以对任意图片自动生成对应的文字描述。本文提出了基于区域注意力的图像描述算法。首先使用Faster R-CNN模型中的RPN生成候选区域,然后通过在最后一层共享卷积层进行Rol pooling提取图片特征,最后将图像特征通过注意力机制提供给LSTM生成描述语句。通过将描述生成过程进行可视化,显示了在描述生成过程中注意力的变化,实验表明算法在多个指标下达到目前技术前沿水平。在此基础上基于Flask搭建了图像描述生成的服务器端程序,用户可通过浏览器上传图片,查看机器描述并给出评分。管理员可通过后台查看用户上传图片,对机器描述给出的评分,及描述生成过程中的注意力分布,便于查看算法性能,对算法做进一步改进。