科研之友
微信
新浪微博
Facebook
分享链接
摘要
图像情感分析是机器视觉领域的研究热点,它面临的关键问题是:标注者的主观差异导致情感标签明确的高质量样本匮乏,且异构图像特征间跨模态语义未有效利用.为此,提出基于主动样本精选与跨模态语义挖掘的图像情感分析模型ASRF2(active sample refinement&feature fusion):融合主动学习与样本精选思想,设计主动样本精选策略,优选情感标签明确的样本;对异构图像特征执行判别相关分析,生成能准确刻画图像情感内容的低维跨模态语义;采用跨模态语义训练Catboost模型,实现图像情感分析.在Twitter I与FI数据集上验证ASRF2模型,识别准确率分别达90.06%和75.77%,优于主流基线且实时效率良好.与基线相比, ASRF2模型仅需两类特征,参数调制简单,更易复现. ASR策略还具备一定的泛化性,可为基线模型提供优质训练样本,以改善识别性能.
- 单位
