本申请公开了一种图像描述文本确定方法、装置、电子设备及存储介质。其中，该方法包括：采用目标模型的目标编码器，提取目标图像的目标图像特征；采用目标模型的目标解码器，依据目标图像特征，逐个生成描述单词，其中，每个描述单词是由目标解码器依据目标图像特征、以及已生成的全部描述单词所确定的；在目标解码器生成的下一个描述单词为结束标识的情况下，确定已生成的描述单词为目标图像描述文本序列，其中，目标图像描述文本序列用于描述目标图像的图像内容。本申请解决了由于相关技术中的图像描述方法，在当前时刻描述文本生成时，仅参考前一时刻的一个单词，造成的图像描述准确性差的技术问题。