阅读笔记—Robust Image Sentiment Analysis using Progressively Trained and Domain Transferred Deep Network
来源:互联网 发布:duet windows 编辑:程序博客网 时间:2024/05/22 11:42
由Jiebo Luo等人发表在AAAI 2015上关于图片情感分析的一篇文章,主要目的是将图片分为情感上正负两类。根据文章标题中的关键词对此文章可以做如下介绍文章作者做的两件事:第一,在CNN的基础上,作者提出了一套PCNN的深度模型,对数据集Flickr做情感分类;第二,将Flickr上训练得到的PCNN模型做领域迁移(domain transfer)适应到数据集Twitter上。
PCNN
作者采用的CNN模型如Figure 2所示,在输入层每张图片被resize成256*256大小。
数据集Flickr有将近45万张图像,其中401,739张被作为训练数据,44,637被用作测试数据。作者认为,Flickr是弱标记的,是带有噪声的。如果只是采用一般的流程训练得到一个CNN模型,这样是不够的。为此,作者提出了一套如图Figure 3所示的PCNN模型。PCNN模型的训练主要包括以下几个部分:
1 首先用401,739带有标记信息的训练图像迭代300,000次训练CNN模型
2 用训练得到的CNN对训练集做预测,根据预测值随机采样样本(情感易于被CNN区分的样本会以较大概率被采)
3 用上步随机采样得到的369,828个训练样本迭代100,000次微调CNN模型得到最终的PCNN模型
领域迁移
领域迁移主要做的是将Flickr训练得到的PCNN模型迁移到数据集Twitter上。Twitter数据集上包含1269张带有人工标注信息的图片。在做领域迁移时,采用Twitter的训练数据微调Flickr数据集上训练得到PCNN模型。作者采用5重交叉验证的方法说明算法的优良性。
总结
1,面对弱标记带有噪音,弱标记的数据,如何提高CNN模型的精度,作者提供了思路
2,利用大数据集上训练得到的模型解决当前数据集样本不足问题,是近几年比较流行的一个做法。
- 阅读笔记—Robust Image Sentiment Analysis using Progressively Trained and Domain Transferred Deep Network
- Aspect Specific Sentiment Analysis using Hierarchical Deep Learning (Lakkaraju, 2014)
- Sentiment Analysis Using Doc2Vec
- 论文阅读笔记:Image Super-Resolution Using Deep Convolutional Networks
- Theano-Deep Learning Tutorials 笔记:LSTM Networks for Sentiment Analysis
- 《OpinionMining and Sentiment Analysis》
- Aspect Level Sentiment Classification with Deep Memory Network笔记
- 笔记:Deep transfer network: unsupervised domain adaptation
- 【论文笔记】Depth Map Prediction from a Single Image using a Multi-Scale Deep Network
- 学习笔记-Depth Map Prediction from a Single Image using a Multi-Scale Deep Network
- 【论文阅读】Deep Compression: Compressing Deep Neural Networks with Pruning, Trained Quantization and Huff
- 论文阅读:Deep MANTA: A Coarse-to-fine Many-Task Network for joint 2D and 3D vehicle analysis
- 【论文阅读笔记】DEEP COMPRESSION:COMPRESSING DEEP NEURAL NETWORKS WITH PRUNING, TRAINED QUANTIZATION...
- NAACL 2013 Paper Mining User Relations from Online Discussions using Sentiment Analysis and PMF
- 《Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network》阅读笔记
- 《Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network》阅读笔记
- 笔记:Deep multi patch aggregation network for image style, aesthetics and quality estimation
- 图像检索实战(1):Image retrieval using MatconvNet and pre-trained imageNet
- Android学习笔记之Menu的ShowAsAction属性的设置
- git 忽略特殊文件
- 解决eclipse下android项目不能自动生成R.java文件
- 阐述根据存储位置不同,变量的分类
- nginx编译选项
- 阅读笔记—Robust Image Sentiment Analysis using Progressively Trained and Domain Transferred Deep Network
- 802.11协议帧格式、Wi-Fi连接交互过程、无线破解入门研究
- Windows下命令行改变路径 如C:\>
- u3d ngui屏幕适配
- Nginx+Tomcat7(tomcat6)+Memcached集群Session共享
- & 符号在 SQLPLUS 的转义
- RHEL 6 下安装Nginx步骤
- Android学习(14)-手机通知,手机短信
- SAP Business Objects 解决方案应用及实践