专利交易市场

本发明公开了一种基于注意力机制的CNN-RNN图像情感分析方法，包括：S11.通过ResNet-50卷积神经网络获取图像的特征，并通过ResNet-50卷积神经网络的5个分支分别提取不同抽象层次的图像特征；S12.将提取的不同抽象层次的图像特征输入至双向循环神经网络GRU中，捕获不同抽象层次的依赖关系，得到不同层次的图像特征；S13.通过注意力机制层确定不同层次特征对图像情感影响的注意力权重系数，对双向循环神经网络GRU输出的不同层次的图像特征进行加权线性组合，得到最终特征；S14.将得到的最终特征通过全连接层和Softmax分类器处理，得到注意力机制的图像情感分析模型；S15.得到注意力机制的图像情感分析模型后，对图像情感分析模型进行训练并将模型应用于图像情感分析中进行分析。

本发明提出一种联合对比学习与自监督区域定位的图像情感预测方法，所述方法包括：获取图像情感数据集，并对图像情感数据集中的多个图像进行预处理操作，构建得到两个自监督区域定位网络并进行预训练；通过对比学习方法，对自监督区域定位网络输出的图像特征的判别性进行增强以得到优化后的图像特征；对优化后的图像特征进行自适应特征融合，以构建得到多视角特征回溯网络；将多视角特征回溯网络的最后一层、与全连接层以及Softmax层进行连接，以构建得到图像情感预测模型；将待处理图像输入至图像情感预测模型中，以最终输出得到待处理图像对应的情感倾向。本发明可准确描述图像蕴含的情感语义，实现客观精准的图像情感预测。