基于跨领域卷积稀疏自动编码器的抽象图像情绪性分类.pdf

第 39卷第 1期 电 子 与 信 息 学 报 V01．39No．1 2017年 1月 JournalofElectronics InformationTechnology Jan．2017 基于跨领域卷积稀疏 自动编码器的抽象图像情绪性分类 樊养余① 李祖贺①② 王凤琴② 马江涛② f西北工业大学电子信息学院 西安 710072) ②(郑州轻工业学院计算机与通信工程学院 郑州 450002) 摘 要：为了将无监督特征学习应用于小样本量的图像情绪语义分析，该文采用一种基于卷积稀疏 自动编码器进行 自学习的领域适应方法对少量有标记抽象图像进行情绪性分类。并且提出了一种采用平均梯度准则对 自动编码器所 学权重进行排序的方法，用于对基于不同领域的特征学习结果进行直观比较。首先在源领域中的大量无标记图像上 随机采集图像子块并利用稀疏 自动编码器学习局部特征，然后将对应不同特征的权重矩阵按照每个矩阵在 3个色彩 通道上的平均梯度中的最小值进行排序。最后采用包含池化层的卷积神经网络提取 目标领域有标记图像样本的全局 特征响应，并送入逻辑回归模型进行情绪性分类。实验结果表明基于 自学习的领域适应可以为无监督特征学习在有 限样本 目标领域上的应用提供训练数据，而且采用稀疏 自动编码器的跨领域特征学习能在有限数量抽象图像情绪语 义分析中获得比底层视觉特征更优秀的辨识效果。 关键词：图像分类；图像情绪；自学习；卷积 自动编码器；领域适应 中图分类号：TP391．4 文献标识码：A 文章编号：1009—5896(2017)01-0167-09 DOI：10．11999／JEIT160241 AffectiveAbstractImageClassificationBasedonConvolutional SparseAutoencodersacrossDifferentDomains FAN Yangyu① LIZuhe~ WANG Fengqin② MA Jiangtao③ ①(chDDlofElect．0佗icsnndInformntiD佗， Northestem Pol暑t『ecnc0lUniers ，Xi’0n710072，Chin0) ②(School Compute8ndComm nicationEngineering ， ．{8％砌 。 Unive，ityofLightIndst，，Zhengzh。450002，Chia) Abstract：Toapplyunsupervised featurelearningtoemotionalsemanticanalysisforimagesin smallsamplesize situations，convolutionalsparseautoencoderbasedself-taughtlearningofrdomainadaptionisadoptedofraffective classificationofasmallamountoflabeledabstractimages．Tovisuallycomparetheresultsoffeaturelearningon differentdomains，anaveragegradientcriterionbasedmethodisfurtherproposedforthesortingofweightslearned bysparseautoencoders．Imagepatchesarefirstrandomlycollectedfrom alargenumberofunlabeledimagesinthe sourcedomainandlocalfeaturesarelearnedus