面向情感语义的图像分类及语言描述方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究目的与意义 | 第10-11页 |
| 1.3 主要研究工作 | 第11-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 2 国内外研究现状及相关工作 | 第14-22页 |
| 2.1 情感分析研究现状 | 第14-17页 |
| 2.1.1 文本情感分析现状 | 第14-15页 |
| 2.1.2 图像情感分析现状 | 第15-16页 |
| 2.1.3 跨模态情感分析现状 | 第16-17页 |
| 2.2 相关技术研究 | 第17-20页 |
| 2.2.1 目标检测算法 | 第17-18页 |
| 2.2.2 多任务深度学习 | 第18-19页 |
| 2.2.3 迁移学习算法 | 第19-20页 |
| 2.3 本章小结 | 第20-22页 |
| 3 目标检测算法在情感分析中的应用 | 第22-48页 |
| 3.1 卷积神经网络 | 第23-32页 |
| 3.1.1 卷积神经网络结构 | 第24-28页 |
| 3.1.2 前向与反向传播算法 | 第28-32页 |
| 3.2 旋转多尺度检测算法 | 第32-34页 |
| 3.3 情感检测模型设计 | 第34-40页 |
| 3.3.1 模型设计 | 第34-36页 |
| 3.3.2 算法过程 | 第36-38页 |
| 3.3.3 算法收敛性 | 第38-40页 |
| 3.4 实验及分析 | 第40-45页 |
| 3.4.1 数据准备 | 第41-42页 |
| 3.4.2 实验对比方法 | 第42页 |
| 3.4.3 实验衡量指标 | 第42-43页 |
| 3.4.4 实验结果分析 | 第43-45页 |
| 3.5 本章小结 | 第45-48页 |
| 4 跨模态的情感语言模型研究与改进 | 第48-70页 |
| 4.1 循环神经网络 | 第48-51页 |
| 4.1.1 循环神经网络结构 | 第49-50页 |
| 4.1.2 长短时记忆结构 | 第50-51页 |
| 4.2 多模态数据处理 | 第51-56页 |
| 4.2.1 文本表示与特征处理 | 第52-55页 |
| 4.2.2 跨模态数据融合 | 第55-56页 |
| 4.3 情感语言模型设计 | 第56-62页 |
| 4.3.1 模型设计 | 第56-59页 |
| 4.3.2 算法过程 | 第59-60页 |
| 4.3.3 算法收敛率 | 第60-62页 |
| 4.4 实验及结果分析 | 第62-68页 |
| 4.4.1 数据准备 | 第63-64页 |
| 4.4.2 实验衡量指标 | 第64-65页 |
| 4.4.3 实验结果分析 | 第65-68页 |
| 4.5 本章小结 | 第68-70页 |
| 5 总结与展望 | 第70-72页 |
| 5.1 工作总结 | 第70-71页 |
| 5.2 工作展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第76-80页 |
| 学位论文数据集 | 第80页 |
