文件名称：Painting-Classification:根据样式对绘画进行分类
文件大小：1.31MB
文件格式：ZIP
更新时间：2024-06-07 10:01:15
crawler logistic-regression transfer-learning vgg16 support-vector-machines
绘画分类 该项目根据绘画的风格对其进行分类。 我们使用深度学习（cnn），转移学习（vgg-16）和Logistic回归进行样式分类。 如果您想从头开始，请阅读以下步骤，这将对您有所帮助！ 如果您遇到任何问题，请随时与我们联系： Tianyu Hong（ ）：数据收集，深度学习，转移学习 段秀阳（ ）：逻辑回归，图像特征提取 数据 收集中 我们在此任务中使用的数据来自WikiArt 。 收集方法列在crawler/ 。 收集的数据信息如下： 样式 数字 笔记 印象派 1135 西 国际哥特式 236 西 新汉加 420 东 抽象主义 1109 西 水墨画 678 东 现实主义 1136 西 北部文艺复兴 1098 西 哥特 33 西 宫壁 39 东 5884 前处理 如果您要使用CNN模型或转移学习，请使用脚本deep_learning/image_pre
【文件预览】：
Painting-Classification-master
----crawler()
--------crawler.py(3KB)
--------README.md(424B)
--------config.py(680B)
----.gitignore(1KB)
----dataSource.md(2KB)
----reference()
--------WikiArt JSON API.pdf(251KB)
----transfer_learning()
--------classification.py(2KB)
--------svm_classification.py(3KB)
--------config.py(2KB)
--------feature_generator.py(6KB)
----README.md(3KB)
----deep_learning()
--------Visualization Convolution.ipynb(255KB)
--------cnn.ipynb(71KB)
--------image_preprocess.py(4KB)
--------config.py(2KB)
--------feature_generator.py(6KB)
--------dataset.py(2KB)
--------cnn_style_classification.ipynb(1.25MB)
--------main.py(1KB)
--------model.py(9KB)
----HOG()
--------main.m(445B)
--------extract_gaussian_filter2.m(147B)
--------extract_avg_color.m(186B)
--------extract_hist.m(115B)
--------sel_64_fixed.m(296B)
--------extract_hog_feature.m(196B)
--------classify.m(3KB)
--------extract_feature.m(727B)
--------extract_with_kernel.m(167B)