2023年5月第19卷第2期系统仿真技术SystemSimulationTechnologyMay，2023Vol.19，No.2基于内容生成与特征提取的图像情感识别模型研究尹朝∗（广州华商学院，广东广州510000）摘要：针对图像情感分析局限于图像模态情感分析，而未扩展到文本模态情感分析的问题，提出一种基于预训练模型BERT（Bidirectionalencoderrepresentationsfromtransformers）与图像内容生成模型的图像情感识别方法。首先利用图像生成模型生成图像文本内容，并基于预训练的BERT-base和BERT-wwm语言模型对图像的文本内容特征进行提取，然后对样本特征进行精选和分类，并在Twitter1和FI公开数据集上进行验证。结果表明，本研究所构建的模型可实现图像情感分析，且具有较高的正确率。相较于CCA、SPN、FTR101等常用图像情感分析模型，本研究构建的模型对图像情感分析的正确率较高，在Twitter1数据集上的识别准确率达到81.1%，在FI数据集上的识别准确率达到67.4%，具有一定的优越性和实用性，实现了从文本模态角度对图像情感的分析。关键词:图像情感分析；图像内容生成模型；SR模型；BERT模型ResearchonImageEmotionRecognitionModelBasedonFeatureExtractionandContentGenerationYINZhao∗（GuangzhouHuashangcollege，Guangzhou510000，China）Abstract：Aimingattheproblemthatimageemotionanalysisislimitedtoimagemodalemotionanalysis，butnotextendedtotextmodalemotionanalysis，animageemotionrecognitionmethodbasedonBERTandimagecontentgenerationmodelisproposed.Firstly，theimagegenerationmodelisutilizedtogeneratetheimagetextcontent，andthepre-trainedBERT-baseandBERT-wwmlanguagemodelareusedtoextractthetextcontentfeaturesoftheimage.Next，thesamplefeaturesareselectedandclassified.TheproposedimageemotionrecognitionmodelisverifiedonTwitter1andFIpublicdatasets.TheresultsshowthattheproposedSR-BISAmodelcanachieveimageemotionanalysiswithhighaccuracy.ComparedwithCCA，SPN，FTR101andothercommonlyusedimageemotionanalysismodels，theproposedmodelhasthehighestaccuracyofimageemotionanalysis，withtherecognitionaccuracyof81.1%onTwitter1datasetand67.4%onFIdataset.Ithascertainsuperiorityandpracticalityandrealizesimageemotionanalysisfromtheperspectiveoftextmodal.Keywords：imageemotionanalysis；imagecontentgenerationmo...
