基于改进ResNet50与梯度提升的深度特征方法用于视觉情感分类
计算机视觉与模式识别
2024-08-16 v1 机器学习
摘要
视觉情感分析（VSA）的多功能性是其关注度上升的原因之一。由于先前研究主要集中在单模态（如文本）的情感分析上，因此利用视觉信息高效管理社交媒体数据并不容易。此外，大多数视觉情感研究未能充分对情感进行分类，因为它们主要关注简单融合模态属性而未探究其复杂关系。这促使了深度学习与机器学习算法融合方案的提出。在本研究中，采用一种基于深度特征的多类分类方法，利用改进的ResNet50提取深度特征。此外，采用梯度提升算法对包含情感内容的照片进行分类。该方法在两个基准数据集CrowdFlower和GAPED上进行了全面评估。最后，使用最先进的深度学习和机器学习模型对所提策略进行了比较。与现有SOTA方法相比，所提方法在给定数据集上表现出优异的性能。
引用
@article{arxiv.2408.07922,
title = {A Deep Features-Based Approach Using Modified ResNet50 and Gradient Boosting for Visual Sentiments Classification},
author = {Muhammad Arslan and Muhammad Mubeen and Arslan Akram and Saadullah Farooq Abbasi and Muhammad Salman Ali and Muhammad Usman Tariq},
journal= {arXiv preprint arXiv:2408.07922},
year = {2024}
}
备注
4 pages, 4 figures, 3 tables, IEEE International Conference on Multimedia Information Processing and Retrieval (MIPR) 2024