はじめに こんにちは、AI修行中のoreyutaroverです。 最近Kerasを使い始め、CNN単体やRNN単体のモデルはお手軽に構築させて頂いています。 次にどんなAIを勉強しようかなーとネットを眺めていたところ、CNNとRNNを組み合わせた面白い題材がありました。 それが、”画像キャプション生成”です! 画像キャプション生成とは、画像を入力として与えると、出力として画像の内容を説明する短い文章を生成することです。 CNNとRNNの両方を使用した複雑なモデルを構築することは非常に良い勉強になりますし、これを手作りするとどんな結果が得られるかも気になるところなので、取り敢えずチャレンジすることに決めました。 画像キャプション生成のサンプルコードを調べてみると、ほぼ全てが英語キャプションでした。 これをそのまま真似するだけではつまらないので、今回は画像の”日本語キャプション”を自動生成する
![日本語による画像キャプション自動生成AIを作ったので丁寧に解説します! - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/860cc65e09f1560bdd666c409bffe6f83fb247e5/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB5dXRhb2JhJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz05ZDhhOTczY2E2OGJjMjUyMGY3MjhkNWE2MjgwNDgzYw%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Dad402242e3bb66764e9bd448be91cfb7)