计算机应用

作者：白茹意, 郭小英, 贾春花

单位：山西大学 软件学院, 太原 030013

关键词：特征融合,情感预测,抽象艺术理论,迁移学习,小样本

基金：国家自然科学基金青年科学基金资助项目（61603228）；山西省科技厅基础研究计划项目（201901D211171）；山西省回国留学人员科研教研项目（HGKY2019001）。

绘画图像情感预测是目前情感计算中的一个研究热点。目前抽象画来源少，样本量小，其情感分析大多数采用的是图像低层特征，而且准确率不高。为此，提出一种基于特征融合的小样本抽象画图像情感预测方法。首先，分析了抽象艺术理论中组成绘抽象画的基本元素（点、线、面和颜色）与人类情感的关系，依据这些理论量化出抽象画图像的低层特征；然后，采用迁移学习算法，基于大样本数据在预训练网络上得到参数，并迁移至目标模型，再在小样本数据上对目标模型进行微调，得到图像高层特征；最后，将低层与高层特征进行线性融合，采用多分类支持向量机（SVM）实现抽象画图像的情感预测。在3个小样本抽象画数据集上进行实验，结果表明，与直接采用低层特征的方法相比，所提方法的分类准确率有所提高，证实了它在小样本抽象画的情感研究中的有效性。

来源：2020年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第8期