| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第15-37页 |
| 1.1 图像情感计算的研究背景及意义 | 第15-18页 |
| 1.1.1 研究背景 | 第15-16页 |
| 1.1.2 研究意义 | 第16-18页 |
| 1.2 图像情感计算的问题描述 | 第18-22页 |
| 1.2.1 情感的定义与描述 | 第18-20页 |
| 1.2.2 问题描述 | 第20-22页 |
| 1.3 图像情感计算的研究现状与分析 | 第22-34页 |
| 1.3.1 用于图像情感计算的特征 | 第23-27页 |
| 1.3.2 美学、构图与图像质量评估 | 第27-28页 |
| 1.3.3 常用的机器学习方法 | 第28页 |
| 1.3.4 具有代表性的图像情感数据集 | 第28-32页 |
| 1.3.5 现有方法存在的主要问题及可能的解决方案 | 第32-34页 |
| 1.4 本文的主要研究内容与组织结构 | 第34-37页 |
| 1.4.1 本文的研究内容 | 第34-35页 |
| 1.4.2 本文的组织结构 | 第35-37页 |
| 第2章 基于艺术原理特征的大众化图像情感识别 | 第37-59页 |
| 2.1 引言 | 第37页 |
| 2.2 艺术原理理论 | 第37-39页 |
| 2.3 基于艺术原理的情感特征 | 第39-51页 |
| 2.3.1 平衡特征 | 第40-42页 |
| 2.3.2 强调特征 | 第42-47页 |
| 2.3.3 和谐特征 | 第47-48页 |
| 2.3.4 多样特征 | 第48-49页 |
| 2.3.5 渐变特征 | 第49-50页 |
| 2.3.6 运动特征 | 第50-51页 |
| 2.4 实验结果与分析 | 第51-57页 |
| 2.4.1 图像情感分类 | 第52-54页 |
| 2.4.2 图像情感回归 | 第54-56页 |
| 2.4.3 推断艺术大师的心情 | 第56-57页 |
| 2.4.4 讨论 | 第57页 |
| 2.5 本章小结 | 第57-59页 |
| 第3章 以用户为中心的个性化图像情感感知预测 | 第59-85页 |
| 3.1 引言 | 第59-61页 |
| 3.2 相关工作 | 第61-62页 |
| 3.3 构造的Image-Emotion-Social-Net数据集 | 第62-69页 |
| 3.3.1 数据集构造过程 | 第62-63页 |
| 3.3.2 数据集验证 | 第63-64页 |
| 3.3.3 数据集统计 | 第64-65页 |
| 3.3.4 具有挑战性的任务 | 第65-69页 |
| 3.4 迭代多任务超图学习方法概述 | 第69-70页 |
| 3.5 构建超边 | 第70-73页 |
| 3.5.1 以目标图像为中心的超边 | 第71-72页 |
| 3.5.2 以历史图像集为中心的超边 | 第72页 |
| 3.5.3 以用户为中心的超边 | 第72-73页 |
| 3.6 迭代多任务超图学习 | 第73-75页 |
| 3.7 实验结果与分析 | 第75-84页 |
| 3.7.1 实验设置 | 第75-76页 |
| 3.7.2 个性化情感分类 | 第76-82页 |
| 3.7.3 个性化情感回归 | 第82页 |
| 3.7.4 应用：情感曲线可视化 | 第82-84页 |
| 3.8 本章小结 | 第84-85页 |
| 第4章 以图像为中心的的情感概率分布预测 | 第85-108页 |
| 4.1 引言 | 第85-87页 |
| 4.2 相关工作 | 第87-88页 |
| 4.3 图像情感的离散概率分布预测 | 第88-90页 |
| 4.3.1 离散分布预测的baseline方法 | 第88-89页 |
| 4.3.2 离散分布的共享稀疏学习 | 第89-90页 |
| 4.4 图像情感的连续概率分布预测 | 第90-98页 |
| 4.4.1 连续分布预测的baseline方法 | 第94-95页 |
| 4.4.2 连续分布参数的共享稀疏回归 | 第95-96页 |
| 4.4.3 连续分布参数的多任务共享稀疏回归 | 第96-98页 |
| 4.5 离散情感分布预测的实验结果 | 第98-101页 |
| 4.5.1 实验设置 | 第98页 |
| 4.5.2 实验结果与讨论 | 第98-101页 |
| 4.6 连续情感分布预测的实验结果 | 第101-106页 |
| 4.6.1 实验设置 | 第101-102页 |
| 4.6.2 实验结果与讨论 | 第102-106页 |
| 4.7 本章小结 | 第106-108页 |
| 第5章 基于图像情感计算的应用 | 第108-133页 |
| 5.1 引言 | 第108-109页 |
| 5.2 基于多图学习的情感图像检索 | 第109-122页 |
| 5.2.1 情感特征提取 | 第109-111页 |
| 5.2.2 基于多图学习的情感图像检索 | 第111-112页 |
| 5.2.3 实验结果与分析 | 第112-116页 |
| 5.2.4 从情感图像检索到多视角3D物体检索的扩展 | 第116-122页 |
| 5.3 基于观察者情感分析的视频分类与推荐 | 第122-126页 |
| 5.3.1 视频分类与推荐方法 | 第122-124页 |
| 5.3.2 实验结果与分析 | 第124-126页 |
| 5.4 基于情感的图像配乐 | 第126-131页 |
| 5.4.1 音乐连续情感预测 | 第127-128页 |
| 5.4.2 图像配乐算法及实验结果 | 第128-131页 |
| 5.5 本章小结 | 第131-133页 |
| 结论 | 第133-135页 |
| 参考文献 | 第135-149页 |
| 攻读博士学位期间发表的论文及其他成果 | 第149-153页 |
| 致谢 | 第153-156页 |
| 个人简历 | 第156页 |
