本项目是一个毕业设计项目，实现了一个端到端的图像标题生成系统。系统使用VGG16作为图像特征提取器，LSTM作为文本生成器，能够为输入的图像自动生成相应的英文描述。

### 🎯 主要功能

- 📸 **图像上传**：支持JPG、JPEG、PNG格式的图像文件
- 🔍 **特征提取**：使用预训练的VGG16模型提取图像特征
- 📝 **标题生成**：基于LSTM网络生成自然语言描述
- 🌐 **Web界面**：基于Streamlit的用户友好界面
- 📊 **详细信息**：显示生成过程的详细统计信息

## 🏗️ 技术架构

### 模型架构
本项目采用**编码器-解码器架构**，结合预训练CNN特征和LSTM文本生成：

```
【离线特征提取阶段】
输入图像 (224×224×3)
    ↓
VGG16特征提取器 (预训练)
    ↓
图像特征向量 (4096维) → 保存为features.pkl

【在线训练/推理阶段】
图像特征 (4096维)          文本序列输入 (max_length=35)
    ↓                           ↓
Dropout(0.4)                Embedding(vocab_size, 256)
    ↓                           ↓
Dense(256, relu)            Dropout(0.4)
    ↓                           ↓
图像编码 (256维)              LSTM(256)
    ↓                           ↓
    └─────── Add层融合 ←─────────┘
                ↓
            Dense(256, relu)
                ↓
            Dense(vocab_size, softmax)
                ↓
            预测下一个词
```

**架构特点**：
- **图像编码器**：全连接层处理预提取的VGG16特征
- **文本解码器**：LSTM网络处理序列生成
- **特征融合**：Add层实现多模态特征融合
- **分离设计**：CNN特征提取与LSTM训练分离，提高效率