公开(公告)号：CN110188791B

公开(公告)日：2023-07-07

申请号：CN201910311129.7

申请日：2019-04-18

Applicant: 南开大学

Inventor： 杨巨峰 ,  折栋宇 ,  姚星旭 ,  孙明

IPC: G06V10/82 ,  G06V10/764 ,  G06V10/772 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/0985

Abstract: 本发明公开了基于自动估计的视觉情感标签分布预测方法，属于计算机视觉技术领域。该方法通过标签分布学习解决了视觉情感中存在的模糊性的问题，同时，该方法提出了一个可以同时进行情感标签分类和标签分布预测的深度框架。除此之外，由于大部分视觉情感数据集只提供了单个类别标签，为了提高该框架的实用性，本发明利用一种弱先验知识即标签之间的相似性信息，根据情感类别生成对应的情感标签分布。在框架学习的过程中，对于分类任务，用Softmax函数进行约束，对于分布任务，用Kullback‑Leibler(KL)损失进行约束。将两个损失赋权值相加得到最后的损失函数，实现框架端到端的标签分布预测。

公开(公告)号：CN110188791A

公开(公告)日：2019-08-30

申请号：CN201910311129.7

申请日：2019-04-18

Applicant: 南开大学

Inventor： 杨巨峰 ,  折栋宇 ,  姚星旭 ,  孙明

IPC: G06K9/62

Abstract: 本发明公开了基于自动估计的视觉情感标签分布预测方法，属于计算机视觉技术领域。该方法通过标签分布学习解决了视觉情感中存在的模糊性的问题，同时，该方法提出了一个可以同时进行情感标签分类和标签分布预测的深度框架。除此之外，由于大部分视觉情感数据集只提供了单个类别标签，为了提高该框架的实用性，本发明利用一种弱先验知识即标签之间的相似性信息，根据情感类别生成对应的情感标签分布。在框架学习的过程中，对于分类任务，用Softmax函数进行约束，对于分布任务，用Kullback-Leibler(KL)损失进行约束。将两个损失赋权值相加得到最后的损失函数，实现框架端到端的标签分布预测。