图像是蕴含丰富信息的载体,里面往往反映着人们的情感内容。歧视情感因其产生的原因复杂,场景多变,表现形式多样,不同歧视对象的个体间差异明显,使得对图像中的歧视情感进行识别成为计算机视觉领域的难点问题。本文对图像中歧视情感识别任务中现有的几个问题进行研究改进,提出了融合属性特征的歧视图像识别模型(Discrimination Relation Recognition with Attention+,DRRA+),其包含的具体内容如下:针对目前缺乏标准的歧视情感分析数据集的情况,构建了包含对象动态和静态属性信息的歧视图像数据集。数据采用网络搜集和自主拍摄的方式获得,分别依据年龄、性别、肤色静态属性,面部表情与手部姿势动态属性,人工标注建立了2800张包含年龄歧视,性别歧视,种族歧视以及非歧视4种类别的歧视数据集,将歧视情感进行了更细粒度的划分。针对歧视图像中人物的歧视情感往往由表情、手势来表现的特点,提出了基于动态属性特征融合的多任务关系识别模型(Discrimination Relation Recognition,DRR)。该模型在将人物全局特征的语义转换作为关系特征的基础上,融合人物的表情和手势属性信息,加强关系表示。同时加入多任务损失模块,使模型同时输出人物的表情、手势类别与人物间的关系类别,利用人物动态属性的高级语义信息辅助歧视关系预测。通过对比基础算法(Social Relation Recognition,SRR),证明DRR模型在歧视图像识别任务的有效性。针对歧视图像中人物年龄、性别、肤色属性信息对本文细粒度歧视类别判定的重要性,本文提出基于注意力机制的歧视图像识别模型(Discrimination Relation Recognition with Attention,DRRA)。该模型利用注意力机制来增强对图像中重点区域和通道的关注度,提升年龄、性别、肤色属性特征提取和分类的结果,实验证明DRRA方法提升了关系预测的效果。最后将注意力模块与动态属性特征融合模块组合,构成本文的歧视识别模型DRRA+,通过多组对比实验,证明两个改进模块组合进一步提升了算法模型的有效性。