تنظيم دقيق شبكه هاي كانولوشني عميق براي طبقه بندي آثار هنري

كارشناسي ارشد

با پيشرفت سريع ديجيتال‌سازي نقاشي‌ها، مجموعه‌هاي عظيم از آثار هنري در دسترس عموم قرار گرفته است. ازاين‌رو تحليل نقاشي‌ها و طبقه‌بندي آن‌ها براي آرشيو و بازيابي آثار هنري و نمايه‌سازي پايگاه‌هاي آثار هنري بسيار موردتوجه قرار گرفته است. با توجه به عملكرد موفق روش‌هاي يادگيري عميق در مسائل بينايي ماشين، كاربرد آن‌ها درزمينه‌ي طبقه‌بندي آثار هنري موردبررسي قرار گرفته است. در مقايسه با طبقه‌بندي اشياء طبيعي، طبقه‌بندي آثار هنري بسيار چالش‌برانگيز است، زيرا بسياري از مقوله‌هاي هنري نياز به تجسم و درك مفاهيم انتزاعي و پيشينه‌ي قوي تاريخ هنر دارد. همچنين تمايز ميان سبك‌هاي هنري به دليل شباهت بسيار آن‌ها پيچيده و دشوار است. تحقيقات اخير قابليت انتقال دانش شبكه‌هاي عصبي پيش آموخته به طبقه‌بندي آثار هنري را بررسي كرده‌اند. در اين پايان‌نامه نيز مدل‌هاي پيش آموخته و يادگيري انتقالي‌ براي طبقه‌بندي آثار هنري از منظر سبك هنري مورداستفاده قرار گرفته است. همچنين اين پژوهش يك رويكرد جديد طبقه‌بندي دوسطحي باهدف بهبود دقت طبقه‌بندي سبك هنري معرفي كرده است. در اين روش سبك‌هاي هنري به چند گروه تقسيم مي‌شوند و يك درخت برچسب سلسله مراتبي با استفاده از ماتريس درهم‌ريختگي مدل مسطح توليد مي‌شود. خروجي شبكه از طريق دو سطح مشخص مي‌شود، سطح اول برچسب گروه تصوير ورودي و سطح دوم برچسب سبك تصوير ورودي را تعيين مي‌كند. در مرحله‌ي آموزش ابتدا هم‌گروهي‌هاي كلاس سبك تصوير ورودي تعيين مي‌شود و سپس اتلاف تنها براي اين گروه محاسبه مي‌گردد. همچنين براي محاسبه‌ي اتلاف كلي از مجموع وزني اتلاف دو سطح استفاده ‌شده است. در مرحله‌ي ارزيابي نيز ابتدا گروه تصوير مشخص مي‌شود سپس برچسب سبك تصوير از ميان اعضاي آن گروه تعيين مي‌شود. عامل اصلي بهبود دقت در اين روش، تقليل وظيفه‌ي طبقه‌بندي به چند وظيفه‌ي طبقه‌بندي ساده‌تر است. روش پيشنهادي با استفاده از دو شبكه‌ي DenseNet و ResNet پيش آموخته بر روي تصاوير ImageNet مورد ارزيابي قرار گرفت. نتايج آزمون‌هاي انجام‌شده بر روي مجموعه دادگان WikiArt نشان داد كه روش پيشنهادي دقت روش‌‌هاي پايه را براي شبكه‌ي ResNet از 49 درصد به 54 درصد و براي شبكه‌ي DenseNet از 52 درصد به 57 درصد رسانده است.

193129

دانشگاه علم و صنعت ايران

دكتر محمود فتحي

هوش مصنوعي

دكتر محمدرضا محمدي