基于多层聚合CNN的中国绘画风格分类模型的设计
1School of Architecture and Art Design, Jiangxi Technical College of Manufacturing, Nanchang, Jiangxi, China.
PeerJ. Computer science
|December 9, 2024
概括
这项研究引入了一种新的卷积神经网络 (CNN) 模型,用于对传统中国绘画 (TCP) 中的情绪进行分类. 该模型达到92.36%的准确性,在识别艺术情感细微差别方面表现优于现有方法.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 艺术史 艺术史 艺术史
背景情况:
- 传统中国绘画 (TCP) 具有显著的艺术价值,但其情感维度是复杂的量化.
- 弥合TCP的特征和人类情感解释之间的差距需要先进的分析工具.
研究的目的:
- 开发一种基于卷积神经网络 (CNN) 的新型分类模型,用于识别传统中国绘画 (TCP) 中的情绪.
- 建立一个全面的框架来分析和绘制TCP中的情感特征.
- 提高文化艺术形式中情感表达的理解和计算分析.
主要方法:
- 设计了一个新的CNN模型,集成了一个多层聚合重新校准的情感特征模块.
- 使用图像突出度提取了情感特征区域.
- 多类别加权激活本地化用于CMYK颜色空间内的分类.
主要成果:
- 拟议的CNN模型在TCP情绪识别方面实现了92.36%的高精度.
- 与VGG-19,GoogLeNet,ResNet-50和WSCNet.Net等既有模型相比,该算法表现出卓越的性能.
- 观察到的最大错误率为0.191,表明强大的预测能力.
结论:
- 开发的CNN模型有效地捕捉和解释了传统中国绘画中存在的情感细微差别.
- 这项研究通过提供对艺术分析的定量方法,推动了多媒体技术与文化教育的整合.
- 这些发现为更深入的计算理解艺术和情感铺平了道路.
