图像标注技术(Image Caption)有着非常重要的移动端应用价值,能够为移动应用软件带来新的功能并增加用户的体验。深度学习模型在移动端的应用,要考虑移动设备网络连接的稳定性。此外,图像标注模型这样结构复杂的神经网络模型会占据较多的移动设备存储空间,使用传统的方法精简模型,会引起模型精度的降低。最后,受移动设备运算速度的限制,复杂的神经网络模型难以在移动设备上快速运算。针对这些问题,本文基于移动计算环境,研究图像标注技术实现的方法。主要内容包括:1.针对移动设备网络连接不稳定的问题,本文提出在移动端本地运行图像标注技术的神经网络模型。该方法能够在移动设备无网络连接时,依然实现对图像的标注,并且响应时间快,实时性好。2.针对在移动设备上运行神经网络模型造成精度下降和运行速度慢的问题,本文提出利用深度学习开发框架Keras与Core ML来开发移动端的图像标注模型,该方法能够在保证模型的精度和运算速度的情况下,实现图像标注技术在移动设备上的应用。最后本文在实验中成功实现了图像标注技术在iOS移动端的应用。对比实验的结果表明:通过Core ML对移动计算的优化,模型在移动设备上对图像描述的准确率接近人工标注的结果,运行的速度接近PC端的表现。证明利用本文方法实现移动计算环境下的图像标注技术要优于传统的方法。