基于两层迁移卷积神经网络的抽象图像情感识别

发布时间：2023-12-03 19:41

　　抽象艺术旨在通过颜色、线条、形状等视觉艺术元素来表达作品的审美和情感。对抽象图像进行自动情感识别不仅有利于艺术品信息管理,也能够促进抽象艺术的普及和推广。传统基于统计机器学习方法的抽象图像情感识别模型大多需要人工设计视觉特征,这种方式不仅费时费力而且存在“语义鸿沟”问题。卷积神经网络(Convolutional Neural Network,CNN)能够逐层抽象地自动学习图像特征,从而有效地弥合图像像素与人类感知之间的鸿沟,这使得它被广泛应用于计算机视觉领域。但是训练卷积神经网络需要大规模数据集,而标注成本过高导致现有的抽象图像情感识别数据集不足以充分训练卷积神经网络。本文基于深度学习和迁移学习技术设计了两种不同的抽象图像情感识别算法,旨在解决抽象图像情感识别所面临的小样本问题。主要研究内容和创新点如下:1.针对抽象图像情感识别的小样本问题,提出了一种基于两层迁移卷积神经网络的抽象图像情感识别方法。该方法将两层迁移学习策略引入传统的卷积神经网络,利用深度特征的层次性,首先迁移大规模通用图像数据集的浅层网络权重来学习提取普适的底层图像特征,然后迁移抽象图像风格分类数据集的深层网络权重来学...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
专用术语注释表
第一章 绪论
    1.1 研究背景
    1.2 研究现状
        1.2.1 抽象图像情感识别相关工作
        1.2.2 融合迁移学习策略的深度学习相关工作
    1.3 研究内容
    1.4 论文结构安排
第二章 课题研究基础
    2.1 卷积神经网络
        2.1.1 卷积神经网络的发展
        2.1.2 卷积神经网络的结构
        2.1.3 卷积神经网络的训练
    2.2 迁移学习
        2.2.1 基础概念
        2.2.2 迁移学习方法
        2.2.3 迁移学习机制在深度学习领域的应用
    2.3 抽象图像情感识别数据集
        2.3.1 MART数据集
        2.3.2 deviantArt数据集
        2.3.3 数据集标注
    2.4 本章小结
第三章 基于两层迁移卷积神经网络的抽象图像情感识别
    3.1 问题描述
    3.2 算法描述
        3.2.1 模型设计
        3.2.2 两层迁移学习策略
        3.2.3 算法流程
    3.3 实验设计与分析
        3.3.1 实验设计
        3.3.2 实验结果与分析
    3.4 本章小结
第四章 基于选择性联合微调的抽象图像情感识别
    4.1 问题描述
    4.2 算法描述
        4.2.1 深度风格特征
        4.2.2 多任务学习
        4.2.3 选择性联合微调策略
        4.2.4 算法流程
    4.3 实验设计与分析
        4.3.1 实验设计
        4.3.2 实验结果与分析
    4.4 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 研究展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
附录3 攻读硕士学位期间参加的科研项目
致谢



本文编号：3870252