基于轻量级卷积神经网络的中国画情感分析
Sentiment Analysis of Chinese Paintings Based on Lightweight Convolutional Neural Network
Jianying Bian, Xiaoying Shen
Wireless Communications and Mobile Computing · 2021-01-01
开放获取艺术理论被引 11被引前 25%影响因子 ≈1.6
摘要
中国画是我国优秀传统文化的代表之一，承载着中华民族悠久的历史与智慧。本文结合中国画的艺术特征，采用优化后的SqueezeNet模型开展中国画情感分析研究。为充分发挥轻量级卷积神经网络的优势，我们基于SqueezeNet进行了两项优化：一方面扩展模型宽度，以获取更有效的中国画情感特征用于分类任务，进而提升模型的分类精度；另一方面引入残差网络的思想，以避免训练过程中出现梯度消失或梯度爆炸问题，从而增强模型的泛化能力。为验证优化后的SqueezeNet模型在中国画情感分析中的有效性，我们对从互联网下载的多主题中国画进行了四类情感分类实验。对比实验结果表明，本文采用的优化后SqueezeNet模型能够提升分类精度，且具备更强的泛化能力。最后，本研究成果可应用于传统文化保护、中国传统画鉴赏以及艺术教育培训领域，有助于民族瑰宝的传承与创新，推动传统艺术文化的繁荣发展。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于摘要生成- 主要观点
- 该研究提出结合中国画艺术特征，利用优化的轻量级卷积神经网络（SqueezeNet）进行情感分析。通过对模型宽度的扩展和残差网络思想的引入，优化后的模型在多主题中国画的四类情感分类中取得了更高的分类准确率和更强的泛化能力。
- 研究方法
- 研究基于轻量级卷积神经网络SqueezeNet进行两项优化：一是扩展模型宽度以提取更有效的情感分类特征，二是引入残差网络思想以防止训练中的梯度消失和爆炸。通过在网络下载的多主题中国画数据集上进行四类情感分类的对比实验，验证了优化模型的有效性。
- 学术贡献
- 该研究为基于中国画艺术特征的情感分析提供了有效的轻量级网络优化方案，提升了模型的分类精度与泛化能力。其研究成果可应用于传统文化保护、国画鉴赏及艺术教育培训，有助于促进传统艺术的传承、创新与繁荣发展。
- 存在局限
- 材料中未明确提及
- 进一步研究方向
- 材料中未明确提及
本综述由 AI（GLM-5-Turbo）基于摘要自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Aesthetic Perception and Analysis