本发明提出一种基于区域特征的图像描述模型注意力机制评价方法与系统，该方法包括：通过深度神经网络，利用感兴趣区域池化在潜在目标区域中提取得到对应的区域空间特征；将区域空间特征输入至图像描述模型中以生成单词序列，将语义特征与单词序列输入至注意力模块得到生成句子；将生成句子与真值句子进行匹配，以确定得到匹配名词；再将生成匹配名词时潜在目标区域对应的语义特征的权重加载到图像中对应的每个像素点上，然后计算人工标注的边界框内的像素点权重累加和，得到局部注意力评价结果，进而得到全局注意力评价结果。本发明不仅能够针对基于区域特征的图像描述模型进行评价，并且与图像描述的性能指标具有更高一致性。