查看工具（查看窗口句柄标题等）：用于查看窗口的句柄、标题等信息的工具；有人传了个别人写的工具要3分，看不过去了。

Image caption 数据集链接-附件资源

图像字幕生成 InceptionV3-多层GRU（Keras和TensorFlow） 要求： Python 3.6 TensorFlow 1.13.1（安装tensorflow-1.13.1-cp36-cp36m-win_amd64.whl） 凯拉斯2.2.4 Joblib 1.0.1 Matplotlib 3.3.4 Open CV 4.5.1 熊猫1.1.5 Nltk 3.5 下载Flickr30k或MSCOCO数据集图像和标题。 训练模型的步骤： 克隆存储库以保留目录结构。 对于Flickr30k放在flickr30k图像文件夹或MSCOCO results_20130124.token和Flickr30k图像放captions_val2014.json和MSCOCO图像COCO-images文件夹中。 通过运行以下python keras2tensorflo

GDI算法实战 渐变背景框

视听视频字幕 这是我通过使用pytorch框架使用MSR-VTT数据集为视频字幕构建的项目，该框架涉及视觉和音频信息。 视频的视觉内容被预处理成固定数量的帧，馈入经过预训练的深度CNN（例如，ResNet 152）以提取特征，并馈入LSTM编码器。 对于音频内容，它们被预处理为MFCC，并馈入另一个LSTM编码器。 然后，将两个LSTM编码器的输出和隐藏状态通过平均池化（或多级注意，以及子总和单元 ）进行组合，然后进一步馈入LSTM解码器以生成字幕。 整个项目的基本结构是从导入的。 要运行该项目，您需要以下依赖项： Python3 运行模型的步骤 第一步是预处理视频和字幕 $ python preprocess.py --video_dir path/to/the/training/video/directory --output_dir path/to/the/features/

Conceptual Caption Dataset is provided by Google Research. 概念标题数据集由谷歌研究工作室提供。 conceptualcaption_Validation_GCC-1.1.0-Validation_datasets.tsv conceptualcaption_Train_GCC-training_datasets.tsv conceptualcaption_Image_Labels_Subset_Train_GCC-Labels-training_datasets.tsv

图像字幕生成器 使用CNN和RNN生成图像标题

keras首次加载vgg16模型的时候，会先下载该模型模型已经预训练好的模型权重文件。使用keras下载速度着实令人着急，有需要用的朋友自取。

Tensorflow实现：图像描述---Show and Tell: A Neural Image Caption Generator-附件资源

数据集下载链接：https://www.imageclef.org/photodata 请把数据集放在：程序neural_image_captioning\datasets\中 完整工程：图像描述---Show and Tell: A Neural Image Caption Generator，使用keras实现图像描述，运行环境（keras==2.0.3，tensorflow==1.1.0，pandas==0.19.1，numpy==1.12.1，h5py==2.7.0，matplotlib==2.1.0，pillow==4.3.0）