面向灾害相关多媒体内容的视觉情感分析深度模型
计算机视觉与模式识别
2021-12-23 v1
摘要
本文给出了 MediaEval 2021 任务即“视觉情感分析：自然灾害用例”的解决方案。该任务旨在提取并分类社交媒体上分享的自然灾害相关图像所传达的观看者感知情感与情绪信息。任务由三个子任务组成，包括一个单标签多类图像分类任务，以及两个具有不同标签集的多标签多类图像分类任务。在我们提出的解决方案中，主要依赖两种不同的最先进模型，即基于 ImageNet 预训练的 Inception-v3 和 VggNet-19，并针对三个任务分别采用不同策略进行微调。总体而言，三个任务均获得了令人鼓舞的结果。在单标签分类任务（即任务 1）上，基于 Inception-v3 和 VggNet-19 的解决方案分别获得了 0.540 和 0.526 的加权平均 F1 分数。在多标签分类即任务 2 和任务 3 上，基于 Inception-v3 的解决方案的加权 F1 分数分别为 0.572 和 0.516。类似地，基于 VggNet-19 的解决方案在任务 2 和任务 3 上的加权 F1 分数分别为 0.584 和 0.495。
引用
@article{arxiv.2112.12060,
title = {Deep Models for Visual Sentiment Analysis of Disaster-related Multimedia Content},
author = {Khubaib Ahmad and Muhammad Asif Ayub and Kashif Ahmad and Ala Al-Fuqaha and Nasir Ahmad},
journal= {arXiv preprint arXiv:2112.12060},
year = {2021}
}
备注
3 pages