ShufaNet：面向专业级书法家的分类方法
计算机视觉与模式识别
2021-11-23 v1
摘要
书法真伪鉴定在艺术领域意义重大但任务艰巨，其关键问题在于书法的少样本分类。我们提出一种新方法 ShufaNet（“Shufa”为书法的中文拼音），基于度量学习在少样本情形下对中国书法家的风格进行分类，其分类准确率超过书法专业学生的水平。我们提出了一种新网络架构，包含称为 ShufaLoss 的对手写字体风格的唯一表达，以及作为先验知识的书法类别信息。同时，我们改进空间注意力模块，并基于中国传统九宫格思想为手写字体创建了 ShufaAttention。为训练模型，我们构建了一个书法家数据集。我们的方法在数据集的少样本学习中达到 65% 准确率，超越了 resNet 及其他主流 CNNs。同时，我们与书法专业学生进行了比试，最终超越了他们。这是深度学习在书法家分类领域的首次尝试，期望为后续研究提供思路。
引用
@article{arxiv.2111.11350,
title = {ShufaNet: Classification method for calligraphers who have reached the professional level},
author = {Ge Yunfei and Diao Changyu and Li Min and Yu Ruohan and Qiu Linshan and Xu Duanqing},
journal= {arXiv preprint arXiv:2111.11350},
year = {2021}
}
备注
10pages, 11 figures