用于绘画图像志分类的数据集与卷积模型
计算机视觉与模式识别
2021-07-27 v3 机器学习
摘要
艺术中的图像志是研究艺术品视觉内容以确定其母题与主题，并刻画这些内容的表征方式的学科。它是出于多种目的而活跃的研究课题，包括意义阐释、表征在时间与社会空间中起源与传播的调查，以及跨艺术家与艺术品影响的研究。随着艺术图像数字档案的激增，应用计算机视觉技术以前所未有的规模分析艺术图像成为可能，这可支持图像志研究与教育。本文引入了一个用于图像志分类的新型绘画数据集，并给出了将卷积神经网络（CNN）分类器应用于艺术品图像志识别的定量与定性结果。所提出的分类器在识别基督教宗教绘画中圣徒的任务上取得了良好性能（精确率 71.17%、召回率 70.89%、F1 分数 70.25%、平均精确率 72.73%），该任务因存在视觉特征极为相似的类别而困难。结果的定性分析表明，CNN 聚焦于表征每位圣徒的传统标志性母题，并利用此类线索实现正确识别。我们工作的最终目标是实现图像志元素的自动提取、分解与比较，以支持图像志研究与艺术品自动标注。
引用
@article{arxiv.2010.11697,
title = {A Data Set and a Convolutional Model for Iconography Classification in Paintings},
author = {Federico Milani and Piero Fraternali},
journal= {arXiv preprint arXiv:2010.11697},
year = {2021}
}
备注
Published at ACM Journal on Computing and Cultural Heritage (JOCCH) https://doi.org/10.1145/3458885