随着深度学习的发展,中国古典诗歌的自动生成研究取得了很大的进展。近年来,研究人员在关注如何提高自动生成诗歌质量的同时,提出了根据图像信息生成诗歌这一跨模态任务。目前,针对该任务的研究方法仍然存在诗句主题偏移和语义不一致的问题;同时一些重要的图像信息不能准确的被表达在生成的诗歌中;而且在训练过程中,图像和诗歌的配对数据集存在质量差和难以构建的问题。本文针对这些问题,提出了一种基于深度学习的图像生成诗歌方法,将图像信息定义为具体信息和抽象信息,然后从图像中提取并融合这两种信息;设置了多组对比实验和消融实验,通过机器评价和人工评价来评估模型的性能。评估结果表明了本文的方法优于其他方法,验证了本文的方法可以在不损失生成诗歌质量的前提下,有效地提高图像与诗歌的一致性。本文的主要工作如下:1.提出了一种基于填空的诗歌生成模型。该模型将具体信息的关键词以显式的方式填充到每行诗歌中,从而保证图像中抽取的关键词一定出现在生成的诗中,进而解决了主题偏移的问题。2.提出了一个基于词嵌入的抽象信息融合方法,通过词嵌入的方式将抽象信息融合到生成的诗歌中,解决了图像中的抽象信息不能被准确表达的问题。3.使用了一种特殊的训练方法对齐图像和诗歌信息,在训练过程中使用非平行数据,而非图像与诗的配对数据集;为了训练模型,分别构建了特殊的图像数据集和诗歌数据集。本文设计了一个基于深度学习的诗歌生成系统。现有的中国古典诗歌生成系统大多基于模板生成,并且接受多模态输入的能力匮乏,同时自由度较低,难以实现人机协作写诗。为了改进现有系统的缺点,本文提出的诗歌生成系统基于深度学习技术,使用了二十多万首诗歌训练,取得了很好的生成效果。本系统可以接受多种模态的输入,如文本输入、图像输入或诗歌意象输入。同时,本系统还增加了辅助作诗的功能,用户可以与系统协作创作诗歌,系统作为辅助工具帮助用户完成创作。为了方便使用,本文将诗歌生成系统部署在微信小程序平台上,支持用户在移动设备上使用本系统。