《表3 几种过采样方式在Twitter image dataset数据集上的性能》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的少数民族绘画情感分析方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证模型在普通图像的情感分类任务是否遵循这一原则，我们在公开数据集Twitter image dataset上进行了实验.该数据集由普通图片构成，由亚马逊人工标注平台经5人标注，有3-agree，4-agree，以及5-agree 3个数据集，分别包含1269，1115，以及882张图片.在图片标记过程中，对于1张待标记的图片，若5人中有3人给出的标签一致，则此图片被收集到3-agree中，若5人中有4人给出的标签一致，则此图片被收集到3-agree，4-agree中，若5人的标记结果一致，那么这张图片将被同时收集到3-agree，4-agree，以及5-agree中，其他情况下的图片直接舍弃.为了保证数据标签的准确性，我们仅在5-agree数据集上进行了实验，以裁剪+翻转过采样的方式作为baseline，在此基础上分别对原图像亮度、色相、饱和度，以及对比度随机增加或者减少0～50%，实验结果见表3.