* Bilingual Evaluation Understudy（BLEU）。2002年首次提出了BLEU，最早是用于在机器翻译中评估模型生成的译文与参考译文中N元组同时出现的程度。随后BLEU也被运用到了图像描述生成评估中，常使用BLEU-1和 BLEU-4的性能指标，对应去1元组和4元组。 * Metric for Evaluation of Translation with Explicit Ordering（METEOR）。METEOR也是一种专门为机器翻译任务而设定的评价方法，利用WordNet计算词缀、释义等，同时考虑到同义词，在一定程度改进了BLEU的某些缺点。 * Recall-Onented Understudy for Gist1ng EvaIuation（ROUGE）。ROUGE是主要用于评估文本摘要任务质量的。ROUGE包括了四个子评价指标，分别是 ROUGE-N，ROUGE-L，ROUGE-W和ROUGE-S，其中ROUGE-L是根据最长共有子句的共现精度和召回率Fmeasure统计，在图像描述任务中普遍使用。 * Consensus-based Image Description Evaluation（CIDEr）。CIDEr是一个专为图像描述任务而制定的评估指标。根据文字描述中对每n元组的权重，计算得到的图像描述与图像标签信息相互之间的一致性。当图像描述中存在一些特殊情况时，CIDEr就需要对其进行修改以满足特定的要求。对于一幅图像，当一个元组非常频繁地出现在图像描述描述中，CIDEr会提高这些n元组的权重，但是如果单元组频繁地出现在所有图像描述中，CIDEr就会减少n元组的权重，因为这些n元组并不包括更多的视觉信息。 * Semantic Propositional Image Caption Evaluation（SPICE）。之前的指标都是通过n元组来评价的，而SPICE则是通过把文字说明转化为图来评价的。它按照现实图像的语义对图像描述中的目标、属性和关联信息加以编号，从而可以统计出真实图像描述和预期图像描述之间的目标、属性和关联的F-score。