基于影像特征的艺术品识别检索系统设计与开发

发布时间：2020-05-17 12:22

【摘要】：艺术品积淀了厚重的文化脉络,承载着人类文明的精华。数千年的人文历史留下了宝贵的艺术品资源,艺术文物的归类整理和检索是领域内的重要课题。面对纷繁复杂的艺术品资源,人们往往无所适从,不仅普通人员难以了解其信息细节,即便专业人员也往往难以快速厘清其人文脉络,引入影像分析技术,基于艺术品的影像特征对其进行识别整理并实现快速检索是领域内的重要趋势。近年来,人工智能(Artifical Intelligence,AI)技术发展迅速,基于智能技术的图像识别、图像检索是当前的研究热点。基于上述需求,论文尝试将AI技术引入到艺术品的归类整理和检索领域,并研究开发了一套基于影像特征的艺术品识别检索系统,研究内容与成果主要包括:(1)方案设计。探索性地分析了用于艺术品识别检索的解决方案,对系统功能与架构做了详细探讨,对系统数据库进行了分析比较,完成了系统方案设计、数据需求分析与概念设计。(2)数据采集。设计了一套爬虫程序,从多个平台抓取艺术品相关图文数据,完成了一个近10万张图像的多类别艺术品影像数据集,并对有标签影像数据集的类别不平衡状态进行了分析。(3)系统建模。研究了基于影像特征的艺术品识别分类方法和检索方法,在多个数据集上进行实验比较了视觉词描述图像内容、卷积神经网络描述图像内容的性能,进一步对性能较好的不同卷积模型进行了对比,还分析了过采样方法在类别不平衡情形中对卷积网络的作用,最后以实验评价指标AP值、AUC值、TopK准确率和mAP值为依据确立VGG-16作为描述艺术品图像内容的最终模型。(4)算法设计。探索了图像识别检索的算法优化方法,创新性地提出了两个优化算法,一个是应用卷积特征类别中心点优化不平衡情形中的识别分类,另一个是增强查询图像的语义属性来优化图像检索效果。本文分别设计了实验进行算法性能分析,Cifar-10、Cifar-100和艺术品影像数据集上的具体实验结果表明这两个算法具有良好的优化能力,前一个算法对不平衡情形的图像内容分类指标AP值有明显提升,后一个算法对图像检索评价指标TopK准确率和mAP有显著提升。(5)软件开发。开发了一套艺术品影像识别检索的软件系统,将论文研究的方法和创新算法用于软件平台实践之中,完成了系统软件的服务端和web客户端的设计开发以及相应的测试。论文引入影像特征分析技术,并将其应用于艺术品的归类整理和识别检索。该系统具备以图搜图、图像内容识别、艺术品图文批量导入及在售艺术品图文上传等功能,对艺术品的信息获取具有重要价值和意义。
【图文】：

应用图像,局部特征,模型,数据规模

BOW 模型用于图像领域之后，随着数据规模的增加，这种方法在各个环节的最计算量(特别是视觉词典的生成过程计算量)较大。从时间复杂度和空间复杂度来看种方法容易受到数据规模制约。2006 年 Nister 和 Stewenius 提出层次化 k-means 方图 1-1 在 BOW 模型中应用图像局部特征进行分类和检索

视觉词,局部特征,训练分类器,图像描述

图 1-2 在图像局部特征基础上构建 FV 去训练分类器进行图像分类在图像检索任务中，利用视觉词构建的图像描述量进行检索时，视觉词汇的数一定范围影响检索效果：视觉词汇数量越多检索的结果越准确。由于局部特征构描述量的初始维度由视觉词汇量决定，为了减少存储和计算开销，，利用局部特征
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;TP311.52

【相似文献】