이미지 의미 기술 과정에서 문장 설명이 충분히 정확하지 않고 감정적 색채가 상대적으로 적은 문제를 해결하기 위해 SENet 기반 생성적 적대 신경망을 활용한 이미지 의미 기술 방법을 제안한다. 이 방법은 생성기 모델 특징 추출 단계에 채널 주의 메커니즘을 추가하여 네트워크가 이미지의 두드러진 영역 특징을 보다 완전하고 충분히 추출할 수 있도록 하며, 추출된 이미지 특징을 인코더에 입력한다. 원본 텍스트 말뭉치에 감정 말뭉치를 추가하고 자연어 처리를 통해 단어 벡터를 생성한 뒤, 단어 벡터와 인코딩된 이미지 특징을 결합하여 디코더에 입력한다. 지속적인 적대적 훈련을 통해 이미지에 부합하는 감정 기술 문장을 생성한다. 마지막으로 시뮬레이션 실험과 기존 방법들과의 비교를 통해 본 방법은 SentiCap 방법 대비 BLEU 지표가 약 15% 향상되었고, 다른 관련 지표들도 모두 상승하였다. 자체 비교 실험에서는 CIDEr 지표가 약 3% 향상되었다. 본 네트워크는 이미지 특징을 잘 추출하여 이미지 기술 문장을 보다 정확하고 감정적으로 풍부하게 만든다.

이미지 의미 기술;생성기 모델;특징 추출;적대적 훈련;채널 주의