Abstract-Recently, understanding se

Abstract-Recently, understanding sentiment expressed in
social images and multimedia has attracted increasing attention by
researchers. For sentiment analysis of social image, we should
identify the visual features with high relations to human
sentiments and then conduct analysis based on such visual features.
Here, two visual vocabularies are built from color compositions
and SIFT (scale-invariant feature transform) descriptors.
Thereafter, the pLSA (probabilistic latent semantic analysis)­
learning is employed to predict the human sentiment hidden in
social images from visual words. The proposed system was
evaluated to the images collected from Photo.net and Google and
15 Kobayashi's sentiments were considered to label the images.
The results were compared with man-labeled ground truth and
then the proposed method shows the performance with an FJmeasure
results of above 70%.
Keywords-Image sentiment analysis; Human affects; Handdesignedfeature;
Color composition; Bag-of-visual-word

ผลลัพธ์ (ไทย) 1:

ความเชื่อมั่นในการทำความเข้าใจนามธรรม เมื่อเร็ว ๆ นี้ภาพสังคมและมัลติมีเดียที่น่าสนใจเพิ่มขึ้นโดยนักวิจัย สำหรับการวิเคราะห์ความเชื่อมั่นของสังคม เราควรระบุคุณสมบัติแสดง มีความสัมพันธ์สูงกับมนุษย์ความรู้สึก แล้วดำเนินการวิเคราะห์ตามคุณสมบัติเช่นภาพนี้ที่นี่ ศัพท์ภาพที่สองถูกสร้างขึ้นจากองค์ประกอบสีและร่อนตัวบอก (แปลงคุณลักษณะขนาด invariant)หลังจากนั้น pLSA (probabilistic แฝงความหมายการวิเคราะห์)เรียนรู้เป็นลูกจ้างที่จะทำนายความเชื่อมั่นคนที่ซ่อนอยู่ในภาพสังคมจากภาพคำ ระบบนำเสนอประเมินรูปภาพรวบรวมจาก Photo.net และ Google และความรู้สึก 15 ภาพร่างได้ถือป้ายรูปภาพผลลัพธ์ได้เมื่อเทียบกับพื้นป้ายคนจริง และจากนั้น วิธีการนำเสนอแสดงประสิทธิภาพ ด้วยการ FJmeasureผลลัพธ์ของข้างบน 70%วิเคราะห์ความเชื่อมั่นสำคัญภาพ มีผลต่อมนุษย์ Handdesignedfeatureองค์ประกอบสี กระเป๋าของคำ visual

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ-เมื่อเร็ว ๆ นี้การทำความเข้าใจความเชื่อมั่นในการแสดงภาพทางสังคมและมัลติมีเดียได้ดึงดูดความสนใจเพิ่มมากขึ้นโดยนักวิจัย สำหรับการวิเคราะห์ความเชื่อมั่นของภาพที่สังคมเราควรจะระบุคุณสมบัติของภาพที่มีความสัมพันธ์ในระดับสูงต่อมนุษย์ความรู้สึกและจากนั้นดำเนินการวิเคราะห์ตามลักษณะภาพเช่น. นี่คือสองภาพคำศัพท์ที่ถูกสร้างขึ้นจากองค์ประกอบสีและ SIFT (คุณสมบัติขนาดคงที่เปลี่ยน) อธิบาย หลังจากนั้นเป็นต้นมา pLSA (น่าจะเป็นการวิเคราะห์ความหมายแฝง) การเรียนรู้ที่เป็นลูกจ้างที่จะคาดการณ์ความเชื่อมั่นของมนุษย์ที่ซ่อนอยู่ในภาพทางสังคมจากคำพูดของภาพ ระบบที่นำเสนอได้รับการประเมินเพื่อภาพที่เก็บมาจาก Photo.net และ Google และ 15 ความรู้สึกของโคบายาชิได้รับการพิจารณาที่จะติดป้ายภาพ. ผลลัพธ์ที่ได้เมื่อเทียบกับความจริงที่มนุษย์พื้นดินที่มีข้อความและแล้ววิธีการที่นำเสนอผลการดำเนินงานที่แสดงให้เห็นกับ FJmeasure ผลการดังกล่าวข้างต้น 70%. คำหลักที่ภาพวิเคราะห์ความเชื่อมั่น; ส่งผลกระทบต่อมนุษย์ Handdesignedfeature; องค์ประกอบสี; กระเป๋าของภาพคำ