基于深度学习CNN模型的图像情感特征抽取研究
来源：图书情报工作杂志2019年第11期北京时间：
作者：李志义,许洪凯,段斌
单位：1. 华南师范大学经济与管理学院 广州 510006;<br />\r\n2. 华南师范大学信息光电子科技学院 广州 510006
摘要：[目的/意义]以用户情感为线索的图像检索已成为机器学习研究的热点，但图像情感特征标注的语料数据多来源于对图像低层特征的抽取，从而导致图像检索过程单一化和程式化。本文提出了一种基于深度学习的图像情感特征抽取的算法，将图像底层特征融合到图像的高层情感语义当中，为实现图像的情感语义检索提供了参考。[方法/过程]利用改进的卷积网络模型，将数据集图像的颜色、纹理作为输入，经多层运算自动提取图像的情感信息，并通过反向传播算法计算出改进后模型的情感检索准确率，构造出准确率较高且过拟合程度低的图像情感特征提取模型。[结果/结论]应用改进的卷积神经网络模型，实现了对图像情感特征的抽取，相较于原模型提升了10%的检索准确率。
关键词：深度学习,图像,情感特征,抽取,卷积神经网络,
基金资助：本文系国家社会科学基金项目"基于表示学习的跨模态检索模型与特征抽取研究"（编号：17BTQ062）研究成果之一。
