【技术实现步骤摘要】
自动挑选画家代表作的方法及装置
本专利技术属于数字图像处理
,具体涉及一种自动挑选画家代表作的方法及装置。
技术介绍
随着数字图像处理技术的迅速发展,可以很容易地在互联网上找到数以百万计的关于绘画艺术的数字图像,这使得计算机辅助绘画分析更加符合社会需求,也方便了希望了解艺术作品的普通人。在过去几年中,研究人员在针对各种任务的艺术品自动分析方面取得了巨大进步,如识别西方绘画、推断绘画风格、区分真品和赝品、自动生成特定风格的艺术作品等。此外,通过使用图像处理以及深度学习技术,科学家们也提出了很多自动分析图片的方法。但是,目前的自动图片分析方法中还没有能够解决如何以风格为导向的自动选取画家代表作的问题。作为自动艺术绘画分析的一个特例,以风格为导向的代表作选择侧重于探索一位艺术家的所有绘画,并旨在选择具体的视觉艺术风格。事实上,沉浸在艺术绘画中的艺术家倾向于以自己的风格表达物体或场景。然而,来自艺术家的绘画的外部形式和技术在其所有绘画作品中可能会有所不同。例如用户想要了解更多关于梵高艺术家画作的图像,并使用“梵高”作为关键词搜索。结果页面中会包含梵高的许多著名作品,但风格高度重叠,很难让用户了解梵高在各个不同时期的绘写风格和技巧。因此,在分析数字艺术画时,分析一位艺术家的绘画事业中的偏好演变以及发现多件艺术作品来表现艺术家的创作特征至关重要。基于此,本专利技术提供了一种自动挑选画家代表作的方法及装置,通过机器学习方法以及神经网络算法,为用户自动地挑选画家的代表作。
技术实现思路
为了解决现有技术中的上述问题,即为了解决如何从画家的多个作品中选出最具代表性画作的问 ...
【技术保护点】
1.一种自动挑选画家代表作的方法,其特征在于包括:步骤S1:获取目标画家的作品集,所述作品集包括所述目标画家的多个绘画作品;步骤S2:利用预设的卷积神经网络提取所述作品集中每个绘画作品的风格‑内容特征;步骤S3:利用预设的连续性鲁棒聚类方法对当前作品集中每个绘画作品的风格‑内容特征进行聚类,根据聚类结果获取多个聚类类别对应的画作集合;步骤S4:利用预设的拒识算法更新所述画作集合并且根据更新后的画作集合获取代表作集合;步骤S5:重复执行步骤S3‑步骤S4直至满足预设的停止条件;其中,所述画作集合包括相应聚类类别对应的多个绘画作品,所述代表作集合包括每个所述画作集合对应的绘画作品代表作。
【技术特征摘要】
1.一种自动挑选画家代表作的方法,其特征在于包括:步骤S1:获取目标画家的作品集,所述作品集包括所述目标画家的多个绘画作品;步骤S2:利用预设的卷积神经网络提取所述作品集中每个绘画作品的风格-内容特征;步骤S3:利用预设的连续性鲁棒聚类方法对当前作品集中每个绘画作品的风格-内容特征进行聚类,根据聚类结果获取多个聚类类别对应的画作集合;步骤S4:利用预设的拒识算法更新所述画作集合并且根据更新后的画作集合获取代表作集合;步骤S5:重复执行步骤S3-步骤S4直至满足预设的停止条件;其中,所述画作集合包括相应聚类类别对应的多个绘画作品,所述代表作集合包括每个所述画作集合对应的绘画作品代表作。2.根据权利要求1所述的自动挑选画家代表作的方法,其特征在于,所述拒识算法是基于贝叶斯分类算法的画作识别拒识算法;“利用预设的拒识算法更新所述画作集合并且根据更新后的画作集合获取代表作集合”的步骤包括:利用贝叶斯分类算法计算每个所述画作集合中每个绘画作品属于当前聚类类别的概率;分别对每个所述绘画作品对应的概率与预设的概率阈值进行比较并且根据比较结果选择性地调整所述每个绘画作品所属的聚类类别;获取每个所述聚类类别的聚类中心对应的绘画作品并且根据所获取的绘画作品确定所述代表作集合。3.根据权利要求2所述的自动挑选画家代表作的方法,其特征在于,“利用贝叶斯分类算法计算每个所述画作集合中每个绘画作品属于当前聚类类别的概率”的步骤包括:按下式所示的方法计算所述每个绘画作品属于当前聚类类别的概率:其中,所述P(ui|M)为第M个聚类类别中第i个绘画作品对应的风格-内容特征ui的概率,所述P(M)为第M个聚类类别的概率,所述P(ui)为第i个绘画作品对应的风格-内容特征ui的概率;所述P(ui|M)如下式所示:其中,所述μM为第M个聚类类别对应的风格-内容特征的均值,所述ΣM为第M个聚类类别对应的风格-内容特征的协方差矩阵,所述D为利用所述风格-内容特征预先构建的特征向量的维度,所述T为转置运算。4.根据权利要求3所述的自动挑选画家代表作的方法,其特征在于,所述概率阈值包括第一概率阈值和第二概率阈值;“分别对每个所述绘画作品对应的概率与预设的概率阈值进行比较并且根据比较结果选择性地调整所述每个绘画作品所属的聚类类别”的步骤包括:若所述P(M|ui)小于等于所述第一概率阈值,则将所述绘画作品ui从所述作品集中移除;若所述P(M|ui)与P(M'|ui)之差的绝对值小于等于所述第二概率阈值,则将所述绘画作品ui从所述作品集中移除;其中,所述P(M'|ui)为第i个绘画作品对应的风格-内容特征ui属于第M'个聚类类别的概率。5.根据权利要求1所述的自动挑选画家代表作的方法,其特征在于,所述卷积神经网络包括多个卷积层“利用预设的卷积神经网络提取所述作品集中每个绘画作品的风格-内容特征”的步骤包括:获取所述每个绘画作品在特定卷积层对应的所有特征图并且根据所述...
【专利技术属性】
技术研发人员:邓盈盈,唐帆,董未名,徐常胜,
申请(专利权)人:中国科学院自动化研究所,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。