文件名称：艺术品分类：根据风格，体裁和艺术家分类绘画
文件大小：616KB
文件格式：ZIP
更新时间：2024-03-06 13:05:30
Python
艺术品的风格，流派和艺术家分类 艺术品数字化的增长说明了根据艺术家，风格和绘画风格对绘画进行分类的重要性。 分类方法的确可以帮助游客和策展人以自己的步调分析和可视化任何博物馆中的画作。 此外，寻找画家是一项艰巨的任务，因为大多数画家的艺术品可能具有独特的绘画风格，而多位画家可以拥有相同的绘画风格。 楷模 我已经尝试了四种模型- 香草卷积神经网络的实现 通过结合视觉词袋技术使用随机森林分类器的基于统计机器学习的方法。 胶囊网络的实现 使用像AlexNet这样的预训练网络进行转移学习 数据集 用于此分类任务的数据集是从参考获得的Wikiart数据集。 下图说明了该数据集的训练图像与测试图像的分布。 模型1-CNN实施 卷积神经网络是具有健壮架构的这种简单前馈网络的变体。 图像矢量作为CNN的输入给出-然后，CNN计算权重，损失函数以获得最终输出并标识相应的类别。 CNN是可以与图像配合使用
【文件预览】：
Classification-of-Artwork-master
----plotTrainingAccuracy_All.m(516B)
----finalCNN.py(10KB)
----rftesting.py(3KB)
----capsuleNet.py(18KB)
----plotTrainingAccuracy.m(362B)
----visualization.m(9KB)
----requirements.txt(7KB)
----dataset.py(4KB)
----Figures()
--------alex_arch.png(72KB)
--------Capsule_arch.PNG(131KB)
--------RF_implementation.PNG(33KB)
--------a.png(274KB)
--------artist_ROC.PNG(60KB)
--------cnnarch.png(32KB)
----rftraining.py(3KB)
----README.md(6KB)
----alexNetDataAug.m(2KB)
----transferLearning.m(6KB)
----ROCPlots.m(6KB)
----.gitignore(10B)
----dataPreprocessing.py(4KB)