计算机视觉和自然语言处理是近年来研究的热点，图像中文描述问题则是横跨这两大研究领域。提出了一种基于Seq2Seq的生成模型，采用ResNet50网络提取图像特征作为编码层，LSTM神经网络进行解码。再对数据集进行处理和训练，生成图像中文描述，取得了很好的效果。最后，搭建了一个基于Android系统的应用程序用于展示图像以及对应的中文描述。