一种基于内容选择和引导机制的图像描述文本生成方法，构建模型数据集；提取图像视觉信息特征、图像语义信息特征和图像空间几何信息特征；构建特征融合网络，将图像视觉信息特征、图像语义信息特征和图像空间几何信息特征有效融合；设置内容选择和引导机制，对特征进行筛选，增强有效信息特征，筛除冗余信息特征，并将有效特征信息准确引导至文本生成模型；构建文本生成模型，将编码特征以时序的方式生成描述文本。本发明通过建模图像和文本之间的潜在对齐关系，提高了图像描述文本生成的准确性。