深度学习结构优化的图像情感分类

摘要：

自然图像情感分类在分析用户需求、监控网络舆情等方面具有重要意义.然而基于深度学习的分类算法存在训练过程难以控制、分类结果缺乏解释的问题.为此提出一种人类知识驱动的深度学习结构优化算法.首先通过特征可视化显示卷积神经网络提取的情感特征;其次结合人类对图像情感可视化结果的感知来优化网络结构,利用人类知识驱动网络,重点学习情感信息更明显的特征;最后对所构建网络的参数进行微调,使其更适用于自然图像情感分类任务.在Twitter情感图像数据集上与其他分类方法的对比实验表明,所提出的算法获得了88.1％的分类准确率,优于其他方法.消融实验证明网络优化结果比未优化提高了8.1％.类激活图、空间位置和神经元组特征可视化直观解释了模型运作的过程与原因,进一步证实算法识别自然图像情感的能力.

关键词：图像情感、图像分类、卷积神经网络、可视化、类激活图

所属期刊栏目：49

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;教育部人文社会科学研究项目;教育部人文社会科学研究项目;天津市自然科学基金;科技特派员项目

在线出版日期：2020-12-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：256-265