基于多层次深度卷积神经网络的图像情感分类

由于图像的复杂性和人类情感的主观性,图像情感分类是一项非常具有挑战性的任务.针对深度学习方法没有充分考虑图像先验信息的问题,提出一个新的多层次深度卷积神经网络框架.该框架综合考虑全局和局部视角,引入显著主体、颜色和局部等先验信息,从多个层次学习图像的情感表达.实验结果表明,在公开的大数量级和小数量级情感图库上,该框架的分类准确率均高于现有的图像情感分类方法,其平均分类准确率比最优方法提高了2.8%,特别在情感类别"厌恶"上提高了15%.     

基于个性化生成模板集聚的用户图像美感表征

通用的图像美感研究没有考虑用户之间的审美差异,不能表示用户的个性化审美偏好。为了更有效地表示用户的个性化审美偏好,本研究利用计数网格模型,提出了一种基于个性化生成模板集聚的用户美感表征建模方法,构建起了一个更紧致的用户图像美感表征向量,能更好地描述用户特征。实验结果表明,文中提出的方法构建的用户美感表征方式,在用户识别中可以获得更高的识别率,在用户推荐中也能得到更符合实际情况的推荐结果。