基于迁移学习的名家画作数字化识别与分类

摘要：

在数字化过程中,如何将不同时期不同风格的未署名画作快速分类成为一个难题.针对以上问题,提出一种通过迁移学习的卷积神经网络的识别分类方法.ResNet-50神经网络模型在ImageNet数据集上完成预训练,通过迁移学习的方式将特征参数迁移到WikiArt数据集上处理选取的23位画家的400幅画作(总共9200幅).通过迁移学习ResNet-50和DenseNet-201两个神经网络模型对比,发现基于ImageNet数据集在ResNet-50的迁移学习神经网络模型具有良好的特征提取能力,在WikiArt数据集上top-1识别率最高达到81.6％.

关键词：名家画作、数字化、卷积神经网络、迁移学习、图像识别

所属期刊栏目：42

分类号：TP389.1(计算技术、计算机技术)

在线出版日期：2021-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：840-845