基于深度特征的改进ResNet50和梯度提升的视觉情感分类方法
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了视觉情感分析中对于社交媒体视觉数据分类效率不足的问题。提出了一种深度学习与机器学习算法的融合方法，利用改进的ResNet50提取深度特征，并运用梯度提升算法进行情感内容的图像分类。实验结果表明，该方法在CrowdFlower和GAPED两个基准数据集上表现出色，超越了现有的先进方法。
机器学习在视觉情感识别方面有潜力，但现有方法受限于小规模数据集。研究发现数据集偏见问题，并提出基于Webly监督方法的解决方案，利用大量库存图像数据进行训练。结果显示，使用该方法训练的模型具有更好的泛化能力，并在不同数据集上表现出潜力。
