感情分析の研究は近年盛んに行われている。中でも画像の感情分析は推薦システムや広告などといったマーケティングや、画像の共有や検索の円滑化などコミュニケーションへの応用も期待されている分野である。
先行研究にて、画像にテキストが付随しているデータセットを使用し、そのテキストから感情極性を抜き出して画像と共に学習・推論させることで、画像単体を使用する場合と比べて画像の感情分析の精度が上がることが確認されている。
本研究では画像からキャプションを生成することで、画像のみのデータセットを使用して学習させても同様に感情分析の精度の向上が見られるのではないかと仮説を立て、検証した。