1. 毕业设计（论文）主要内容：

图像文本匹配的关键问题在于如何准确度量图像文本之间的跨模态相似度。

本文将基于语义概念及顺序的研究思路，按照一定的语义顺序组织语义概念，从而得到相应的模型，对图像文本所包含的语义概念和语义顺序进行学习。

2. 毕业设计（论文）主要任务及要求

1. 学习图像文本匹配的基本知识；
2. 使用多标签区域化的卷积网络；
3. 学习并掌握语义概念集合，并基于得到的语义概念进行有规律的排列，完成学习语义顺序；
4. 查阅参考文献15篇以上（其中近五年外文文献不少于3篇）；
5. 完成不少于12000字的毕业论文撰写并完成答辩的相关工作；
6. 完成不低于5000汉字（20000英文印刷符）的教师指定的相关文献的英译汉翻译；
7. 完成不少于12幅图设计（包括：电路原理图、流程图、结构框图、程序框图等）。

3. 毕业设计（论文）完成任务的计划与安排

1. 第1-3周 完成题目调研，完成文献阅读，进行相关资料的收集，完成文献综述以及开题报告撰写；
2. 第4-5周 学习图像文本匹配的基本知识，完成论文开题；
3. 第6-12周 完成基于语义顺序的图像文本匹配模型，撰写论文初稿；
4. 第13-15周 测试程序的实际显示效果，并针对使用过程出现的问题进行优化，完成论文修改并提交。

5. 第16周 答辩。

4. 主要参考文献

[1] Y. Huang, Q. Wu, W. Wang, and L. Wang. Image and Sentence Matching via Semantic Concepts and Order Learning [J]. In CVPR, 2017.
[2] Y. Pan, T. Yao, H. Li, and T. Mei. Video captioning with transferred seman E2tic attributes [J]. In CVPR, 2017.
[3] J. Wang, Y. Yang, J. Mao, Z. Huang, C. Huang, and W. Xu. Cnn rnn: A unified framework for multi-label image classification [J]. In CVPR, 2016.
[4] L. Wang, Y. Li, and S. Lazebnik. Learning deep structure preserving image-text embeddings [J]. In CVPR, 2016.