基于深度學(xué)習(xí)的圖像情感分類研究.pdf

1、隨著科技的發(fā)展及網(wǎng)絡(luò)技術(shù)的進(jìn)步，人們的聯(lián)系、交流方式出現(xiàn)了多樣化發(fā)展趨勢(shì)，越來越發(fā)展的社交網(wǎng)絡(luò)成為人們流露真實(shí)情感的地方，而隨著文字一起發(fā)出的圖像也在一定程度上反映了人們的情感狀態(tài)，如何發(fā)現(xiàn)圖像和情感之間的關(guān)聯(lián)關(guān)系并加以應(yīng)用，成為社交網(wǎng)絡(luò)領(lǐng)域的一個(gè)研究熱點(diǎn)，具有一定的理論意義和實(shí)際應(yīng)用價(jià)值。
　　深度學(xué)習(xí)作為目前圖像分類和圖像識(shí)別的一個(gè)重要研究手段，比傳統(tǒng)方式具有明顯優(yōu)勢(shì)，已成為國(guó)內(nèi)外學(xué)者重要研究方法之一。由于情感圖像是一類相對(duì)復(fù)

2、雜且具有細(xì)節(jié)性差異的自然結(jié)構(gòu)，本文采用深度信念網(wǎng)絡(luò)算法(DBN)和卷積神經(jīng)網(wǎng)絡(luò)算法(CNN)進(jìn)行研究，并且根據(jù)圖像情感分類的具體問題，提出相應(yīng)解決方案，研究?jī)?nèi)容如下:
　　(1)深入研究DBN算法，針對(duì)DBN網(wǎng)絡(luò)中存在的梯度小，收斂慢等問題，結(jié)合多新息理論，對(duì)DBN網(wǎng)絡(luò)進(jìn)行了改進(jìn)，提出了基于多新息理論的DBN算法(MI-DBN)。用MNIST數(shù)據(jù)集驗(yàn)證MI-DBN算法的可行性，再將社交網(wǎng)絡(luò)圖像中的手寫數(shù)字在訓(xùn)練好的網(wǎng)絡(luò)中進(jìn)行測(cè)試，

3、為本文中的圖像分類奠定了基礎(chǔ)。最后用Caltech101數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，再一次驗(yàn)證了本文算法的可行性。
　　(2) CNN網(wǎng)絡(luò)的特性是權(quán)值共享，能有效地減少訓(xùn)練參數(shù)，利用CNN網(wǎng)絡(luò)對(duì)情感圖像分類進(jìn)行研究。針對(duì)CNN算法中網(wǎng)絡(luò)層比較深，利用BP算法反向傳播修改參數(shù)時(shí)靠近輸入層的梯度改動(dòng)較慢，并且梯度下降時(shí)訓(xùn)練的效果容易收斂到局部最小值而不是全局最小值的問題，本文結(jié)合多新息理論提出了基于多新息理論的CNN算法(MI-CNN)，使得在反