博客介绍了图像情感识别的过程，包括数据集获取、预处理、特征提取、特征选择和分类器选择。通过使用IAPS数据集，进行预处理后提取颜色、纹理和内容特征，形成47维特征。特征选择阶段，对比了SFS、Beam Search和PCA方法，结果显示Beam Search在分类效果上优于其他两种。
今天组会讲了一个情感图片识别的例子，其实也是一个比较普通的机器学习的过程，但是总体来说涉及到的东西还是很广的，在此再次总结分享一下。问题简单来说就是对图片情感进行分类，分别是Amusement, Anger, Awe, Contentment, Disgust, Excitement, Fear, Sadness八个类。先上整个的流程图：
首先我们必须有一个有label的图片数据集，有两中方法获取带label的数据集，最简单的当然是利用公开的数据集，图像情感方面可以参考IAPS；第二种自然是自己建立，通过人工的标注，最后统计结果作为ground truth。
第一步是进行一些预处理的操作，把图片的尺寸变成一致并且进行裁剪，最好保持图片的长宽比和原来的一致，不至于让图片失真；
第二
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
