基于人脸识别与卷积神经网络聚类的画家、风格与年代分类
计算机视觉与模式识别
2020-12-03 v1
摘要
美术绘画的画家、年代和风格分类通常通过标准图像分类方法、图像分割或近期的卷积神经网络(CNN)实现。本工作旨在使用新开发的人脸识别方法（如利用CNN的FaceNet）通过绘画中提取的大量人脸对美术绘画进行聚类。我们选取了包含1000多位艺术家超过80,000幅绘画的数据集，并完成了三项独立的人脸识别与聚类任务。所产生的聚类通过绘画文件名进行分析，并按其多数画家、年代范围和风格命名。进一步分析这些聚类并计算其性能指标。研究表明结果令人鼓舞：画家、年代和风格的聚类准确率分别为58.8%、63.7%和81.3%，而聚类的平均纯度为63.1%、72.4%和85.9%。
引用
@article{arxiv.2012.01009,
title = {Artist, Style And Year Classification Using Face Recognition And Clustering With Convolutional Neural Networks},
author = {Doruk Pancaroglu},
journal= {arXiv preprint arXiv:2012.01009},
year = {2020}
}
备注
14 pages, SIPO 2020