以图像作为输入,使用计算机自动生成有意义的文本描述,称为图像描述生成（Image Captioning）。因其位于计算机视觉和自然语言处理两大研究领域的交汇处,以及广泛的应用前景,吸引着越来越多的科研工作者致力于此。图像描述生成任务成为近年来的研究热点之一。场景图对图像中对象之间语义关系进行注释。通过生成图像的场景图,为图像描述生成模型引入对象之间关系的引导来增强区域级特征,有利于推理出正确的文本描述。然而,现有的场景图生成模型不可避免地会预测出大量的冗余噪声关系,这对图像描述生成任务造成了很大的负面影响。为了有效利用场景图中对描述起积极作用的语义关系,减少噪声关系的干扰,在构建图像的场景语义关系图后,本文提出了一个门控图注意力编码器,联合注意力机制和门控机制自动聚焦于对生成描述有用的关系,并聚合这些关系来生成关系感知的区域级特征。具体来说,注意力机制在输入的一组关系中进行分配权重,用来区分有用关系和无用关系;门控机制对注意后的关系再次评估其可利用价值,以此降低冗余关系对描述生成的影响。此外,在生成描述的解码器端,本文设计了一个全局自适应注意模块,综合利用图像全局特征和区域级特征,来指导描述生成。最后本文在流行的图像描述生成数据集MS-COCO基准上进行了广泛的实验。实验结果表明,本文提出的门控图注意网络模型优于目前通过引入语义关系来指导图像描述生成的最新方法。通过消融实验分析,验证了模型中各个模块的有效性。