Print

基于多特征融合的深层网络图像语义识别方法

论文摘要

图像是一种用来传达情感的重要工具,人类的情感会因不同的视觉刺激而异。采用了一种基于小数据集的数据扩充方式,并将图像的手工提取的低级特征（颜色特征、纹理特征）和网络自动提取到的高级特征（图像对象类别特征和图像深层情感特征）融合的方法,识别图像的复合情感。最终输出包含图像和对象在内的高级语义描述性短语。在公共数据集IAPS和GAPED上进行了实验,并与传统手工提取方法和VGG16、Fine-tune Alexnet两种已有模型进行了比较,该方法在测试性能上优于其他的识别方法,情感识别准确率能达到66.54%。

论文目录

  • 1 引言
  • 2图像特征提取
  •   2.1颜色特征
  •   2.2 纹理特征
  •   2.3 深层情感特征
  •   2.4主体对象类别
  •   2.5 多特征融合
  • 3 网络模型
  • 4 实验及分析
  •   4.1 数据集
  •     4.1.1 情感识别模型数据集
  •     4.1.2对象识别模型数据集
  •   4.2结果与分析
  •     4.2.1情感识别网络性能表现
  •     4.2.2对象识别网络性能表现
  •   4.3 结果展示
  •     4.3.1 情感识别
  •     4.3.2 图像高级语义提取
  • 5 结束语

    • 文章来源

    类型: 期刊论文

    作者: 王哲,杨鹏飞,杨雅茹,姚蓉,杨雄,李海芳

    关键词: 图像情感,迁移学习,卷积神经网络

    来源: 计算机工程与应用 2019年24期

    年度: 2019

    分类: 信息科技

    专业: 计算机软件及计算机应用,自动化技术

    单位: 太原理工大学信息与计算机学院

    基金: 国家自然科学基金（No.61472270）

    分类号: TP391.41;TP18

    页码: 141-146+177

    总页数: 7

    文件大小: 1957K

    下载量: 367

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/172a676ef59fafd41287407b.html