机器学习与深度学习模型在多画家识别中的协同
计算机视觉与模式识别
2023-05-01 v1 人工智能
摘要
数字化艺术收藏的日益普及产生了对与抽象概念相关的大量数据进行管理、分析和分类的需求，凸显了计算机科学中的一个紧迫问题并带来了新的研究视角。人工智能与神经网络的进展为应对这一挑战提供了合适的工具。提取对特定作品有用的特征以分析艺术品正处于这个时代的核心。在本工作中，我们针对一组源自 WikiArt 仓库的数字化绘画中的画家识别问题，使用迁移学习提取适当特征，并采用经典机器学习方法评估其结果。通过对多种模型的测试与微调，我们得出结论：RegNet 在特征提取方面表现更优，而 SVM 基于画家对图像的分类效果最佳，性能高达 85%。此外，我们引入了一个包含 62 位艺术家的绘画识别新大型数据集，并取得了良好结果。
引用
@article{arxiv.2304.14773,
title = {Synergy of Machine and Deep Learning Models for Multi-Painter Recognition},
author = {Vassilis Lyberatos and Paraskevi-Antonia Theofilou and Jason Liartis and Georgios Siolas},
journal= {arXiv preprint arXiv:2304.14773},
year = {2023}
}
备注
Github Repository: https://github.com/jliartis/art-recognition