本發(fā)明涉及圖像理解領(lǐng)域，其公開了一種基于推敲注意力機(jī)制的圖像描述生成系統(tǒng)及方法，解決現(xiàn)有圖像描述方案存在的缺少潤色過程、訓(xùn)練和測試過程不一致、生成描述辨識度不高的問題。該方法包括：a.數(shù)據(jù)集的處理：提取圖像的全局特征和局部特征，構(gòu)建數(shù)據(jù)集，對數(shù)據(jù)集中的單詞進(jìn)行標(biāo)記，生成對應(yīng)的詞嵌入向量；b.訓(xùn)練圖像描述生成模型：采用第一層基于殘差注意力機(jī)制的解碼器生成粗略的圖像描述，采用第二層基于殘差注意力機(jī)制的解碼器對已生成的圖像描述進(jìn)行潤色；c.結(jié)合強化學(xué)習(xí)進(jìn)一步訓(xùn)練模型：在訓(xùn)練過程中模擬模型的測試過程，并且以生成描述的CIDEr分?jǐn)?shù)來引導(dǎo)模型的訓(xùn)練，結(jié)合強化學(xué)習(xí)對模型進(jìn)行調(diào)整。