【技术实现步骤摘要】
一种基于情感分析的图像滤镜生成方法
[0001]本专利技术涉及互联网
,尤其涉及一种基于情感分析的图像滤镜生成方法。
技术介绍
[0002]随着人工智能技术的迅猛发展,人工智能生成内容(AIGC)作为一种创新的技术应用,逐渐引起了广泛的关注和研究。本专利技术涉及一种基于人工智能技术的内容生成方法,其可自动生成各种形式的内容,例如文本、图像、音频等。这些内容是由计算机程序在无需人类手动创作的情况下完成的。本方法通过利用大规模数据集和深度学习模型,如神经网络和语言模型,实现内容的自动生成。由于传统图像创作对于设计者的绘图和美术技术功底要求较高,并且耗时耗费资源,因此本方法能够更加高效地创作艺术图像,满足全民创作的目标,并受到人们的广泛关注与喜爱。
[0003]情感分析,也被称为意见挖掘,是一种自然语言处理技术,用于识别和分析文本中所表达的情感倾向或情绪。该技术旨在从文本数据中自动识别出正面、负面或中性的情感,帮助理解人们在社交媒体、产品评论、新闻文章等各种文本中的情感和情绪态度。在人工智能领域中,研究者们希望让机器也能具有情感,最早在1997年,麻省理工媒体实验室就提出了情感计算的概念,在之后的研究中,情感计算是自然语言处理中的一个重要领域,其目的是让计算机能够自动识别和理解文本中蕴含的情感信息,赋予机器识别,理解,表达情感的能力。
[0004]情感分析可以应用于多个领域,如社交媒体监测、品牌声誉管理、市场营销、舆情分析、产品推广和客户服务等。它可以帮助企业了解用户对其产品或服务的满意度,发现潜在的 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于情感分析的图像滤镜生成方法,其特征在于采用分组Transformer架构,并设计了情感向量损失和情感分类损失,以更好地学习文本中的情感信息。该方法包括:步骤一、从数据集中随机选择一个文本描述作为锚点文本。并且,取出锚点文本对应的风格图;步骤二、根据锚点文本在米克尔情感轮(Mikels emotion wheel)中的位置对其进行分类,与锚点文本在同一区域的文本描述中选择一个文本为正例文本,相邻区域的文本描述中选择一个文本为相关文本,相反区域的文本描述中选择一个文本为负例文本。并且,取出正例文本,相关文本,负例文本对应的风格图;步骤三、使用预训练的BERT将锚点文本编码为词向量,并进一步在VAD词典中获取情感向量,以揭示每个词固有的情感属性。并将词向量和情感向量进行投射形成基于锚点文本的文本词编码;步骤四、将内容图片输入图像编码器获得图像块编码;步骤五、将图像块向量,基于锚点文本的文本词编码拼接为一个序列,并给两种不同模态的编码分别加上模态类型编码,得到基于锚点文本的特征融合跨模态编码序列;步骤六、将基于锚点文本的跨模态编码序列输入到用于特征融合的分组Transformer中,对跨模态序列的特征进行融合,得到基于锚点文本的特征融合跨模态序列;步骤七、将基于锚点文本的特征融合跨模态序列拆分,把其中的图像块编码输入到解码器中,得到基于锚点文本的生成图;步骤八、将步骤三中的锚点文本分别替换为正例文本、相关文本、负例文本,重复步骤五、步骤六和步骤七,得到基于正例文本、相关文本、负例文本的生成图;步骤九、将所有的生成图输入到情感提取器提取对应图片的情感向量,通过对比学习,计算情感向量损失函数。再将生成图片输入情感分类器,并且使用Kullback
‑
Leibler(KL)损失来计算情感分类损失函数;步骤十、将生成图片与内容图像进行计算的到内容损失,将生成图片与风格图像进行计算的到风格损失,将生成图片与输入的文本进行计算得到条件损失,以上损失进行加权求和,得到图像可视化损失函数;步骤十一、将情感向量损失函数、情感分类损失函数和图像可视化损失函数进行加权求和,得到整体损失函数,使用反向传播算法(Back Propagation,BP)计算梯度,并使用Adam优化器优化整体损失函数更新模型各层权重。2.如权利要求1所述方法,其特征在于,所述步骤六中,使用分组Transformer中的包含若干个计算单元,每个计算单元计算过程如下:若干个计算单元,每个计算单元计算过程如下:其中,f
tex
和f
img
分别是文本编码和图像编码。和为模态类型编码。并且,分组transformer的初始输入表示为:
其中,分组transformer包括L个标准的transformer模块,每个模块包含一个多头注意力层(MSA),一个MLP层和两个残差连接,LN表示层归一化。力层(MSA),一个MLP层和两个残差连接,LN表示层归一化。进一步的,所述步骤九中,情感提取器提取图像VGG网络的多级特征,对这些特征进行Gram矩阵操作,由此定义情感向量,如下:其中,代表Gram矩阵中第j个特征级的第i个上三角元素。因此,情绪向量之间的距离可以公式表示为:F
sw
(V
i
,V
j
)=||V
i
‑
V
j
||/F
技术研发人员:李思,施柏鑫,张沛瑄,翁书晨,常征,
申请(专利权)人:北京邮电大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。