文章导读
大家好，我是顺亿，今天我们来聊聊图片情感识别/分类/分析这个话题。相信很多人都有过这样的经历，看到一张图片就能感受到某种情绪。那么，如何让计算机也能识别图片中的情感呢？今天我们就来一起探讨一下。
（一）简介
1. 情绪模型
心理学中有两种常见的情感表达模型：CES (Categorical Emotion States) 和 DES (Dimensional Emotion Space)。CES 将情绪分类为一组预先定义的种类，如伤心、开心等；而 DES 则通过维度来描述情感，如 valence、arousal 和 dominance。大部分论文都使用 CES 模型，因为它直观简单。
2. 常用数据集
- IASP (International Affective Picture System)
- IASPa
- GAPED (Geneva Affective Picture Database)
- MART
- devArt
- Tweet
- FlickrCC (Flickr creative common)
- Flickr
- Emotion6
- FI (Flicker and Instagram)
- Emotion6
- IESN
- FlickrLDL
- TwitterLDL
3. 问题难点（挑战）
- 3.1 数据标记困难
- 3.2 情感涉及的图片特征多样化
（二）主要方法
- 1. 低级特征
- 2. 中级特征
- 3. 高级特征
- 4. 基于学习的特征
（三）论文链接
（此处省略论文链接内容）
小结与拓展
图片情感识别/分类/分析是一个复杂且有趣的话题。本文简要介绍了情绪模型、常用数据集以及一些主要方法。希望这篇文章能对大家有所帮助。接下来，我们还可以探讨更多关于图片情感识别/分类/分析的内容，比如如何解决数据标记困难、如何提取图片特征等问题。如果你对这些话题感兴趣，可以关注「趣航编程网」（www.vqhf.com）了解更多内容。
——顺亿/「趣航编程网」