文献

J-GLOBAL ID：202202224213151381   整理番号：22A0027802

深層学習モデルを用いた効率的な視覚的感情予測アプローチ【JST・京大機械翻訳】

Efficient Visual Sentiment Prediction Approaches Using Deep Learning Models

著者 (2件)： Chandrasekaran Ganesh (Department of ECE, Karunya Institute of Technology and Sciences, Coimbatore, Tamilnadu, India) ,  Hemanth D. Jude (Department of ECE, Karunya Institute of Technology and Sciences, Coimbatore, Tamilnadu, India)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1459  ページ： 260-272  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 人々によるソーシャルメディアの使用の増加に伴い,画像の感情解析は非常に重要である。文献における多くの既存の研究は,Twitter,Facebook,アマゾンおよびMovieレビューのようなソーシャルメディアサイトから抽出されるテキストによるテキスト感情分析に焦点を当て,ソーシャルメディアを通しての画像およびビデオの共有は,テキストと比較して増加している。画像はテキストと比較してはるかに良い方法で感情を反映し,従って感情を解析するのに好ましい。したがって,画像感情予測を実行するためのロバストモデルを開発する必要がある。本論文では,画像感情解析を行うためにVGG-16アーキテクチャに基づく転送学習モデルを採用した。使用したデータセットは,その極性ラベル(Poisson,陰性)を持つ15000以上の画像(Twitter)URLを持つCrowdflowデータベースである。提案モデルは,深い学習に基づくので,大量のデータを扱うことができ,明示的な特徴抽出の必要はない。結果は,画像に関する感情予測を実行する際に提案モデルの有効性を示す。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *視覚 ,  *学習モデル ,  データベース ,  特徴抽出 ,  自然言語処理 ,  録画装置 ,  有効性 ,  計算機アーキテクチャ ,  ロバスト性
準シソーラス用語： ソーシャルメディア ,  ツイッター ,  Facebook ,  転移学習 ,  感情分析 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 自然言語処理(NLP) ,  画像感情予測 ,  転移学習と深層学習

分類 (5件)： 図形・画像処理一般  (JE04010I) ,  その他の情報処理  (JE15050M) ,  自然語処理  (JE06000L) ,  応用心理学  (AE02000A) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 深層学習 ,  モデル ,  視覚 ,  感情 ,  予測