基于深度学习的平纹织物老画作交叉点检测

在绘画杰作的取证研究中，对支撑物的分析至关重要。对于平纹织物，垂直与水平线程的密度被用作主要特征，而与垂直和水平轴的夹角偏差亦有助益。这些特征可通过画布进行局部研究。本工作中，提出以深度学习作为执行这些局部密度与角度研究的工具。我们使用来自Velázquez、Rubens或Ribera等36幅画作的样本书训练模型。数据准备与增强在流水线第一阶段处理。随后我们聚焦于线程间交叉点的监督分割。带有inception与Dice损失的U-Net被证明是该任务的良好选择。进而基于分割出的交叉点估计密度与角度。我们报告了若干画布分析的测试结果，并与该问题中广泛使用的频域方法进行比较。我们得出结论，这一新方法在频域分析工具失效的某些情形下取得成功，同时在其他情形下改进了结果。此外，我们的方案无需对待处理图像的部分进行标注。作为案例研究，我们将这一新算法应用于Velázquez与Murillo的两对画布分析，得出结论所用织物来自同一卷。