基于先进情感计算的中国第十三届全国美术展览中国画情感识别研究
Emotion Recognition of Chinese Paintings at the Thirteenth National Exhibition of Fines Arts in China Based on Advanced Affective Computing
Jing Li, Dongliang Chen, Ning Yu, Ziping Zhao, Zhihan Lv
Frontiers in Psychology · 2021-10-22
摘要
当前，随着经济水平的快速发展，人们的审美需求日益提升，对艺术的情感认知也更为深刻，对传统艺术文化的呼声也愈发强烈。本研究旨在探究先进情感计算在第十三届全国美术展览中国画情感特征的识别与分析中的表现。针对中国传统绘画等图像的情感识别任务中存在的“语义鸿沟”问题，本研究选取基于卷积神经网络（CNN）的AlexNet算法，并对其进行了进一步优化；同时引入卡方检验以解决中国画等各类数据中的冗余与噪声问题。在此基础上，本研究构建了基于改进型AlexNet神经网络与卡方检验的中国画多模态情感识别模型。最后，以第十三届全国美术展览中的中国画作品为数据源开展仿真实验，验证了该模型的性能。将所提算法分别与长短期记忆网络（LSTM）、CNN、循环神经网络（RNN）、AlexNet以及深度神经网络（DNN）算法在训练集与测试集上的表现进行对比，结果显示：所提算法在训练集与测试集上的情感识别准确率分别达到92.23%与97.11%，训练时间稳定在约54.97秒，测试时间稳定在约23.74秒。此外，对各算法的运算效率分析表明，改进型AlexNet算法适用于处理海量图像数据，其加速比也高于其他算法，且在测试集场景下的运行效率略优于训练集场景。在确保误差可控的前提下，该中国画多模态情感识别模型能够实现高准确率与显著的加速效果。尤为重要的是，该模型对中国传统绘画的情感识别与分析效果最佳，可为中国传统艺术瑰宝的情感数字化解读与管理提供实验依据。
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
基于全文生成- 主要观点
- 随着人工智能与审美需求的发展，利用先进情感计算技术解析中国传统绘画中的情感表达具有重要意义。针对国画图像情感识别中存在的“语义鸿沟”及多模态数据冗余与噪声问题，构建基于改进AlexNet与卡方检验的多模态情感识别模型能够有效提升识别精度与运算效率。该研究认为，这种数字化手段有助于大众更好地理解国粹艺术的情感内涵。
- 研究方法
- 研究以第十三届全国美术作品展览的中国画为数据源，采用基于卷积神经网络的AlexNet算法，并通过调整“池化与局部归一化”的操作顺序对其进行改进。同时，引入卡方检验作为过滤方法以剔除多模态特征中的冗余信息与噪声。最后，通过仿真实验将所提算法与LSTM、CNN、RNN等模型在训练集和测试集上进行对比验证。
- 学术贡献
- 该研究设计的多模态情感识别模型在测试集上达到了97.11%的情感识别准确率，且训练与测试时间稳定，展现出明显的加速效果。研究有效解决了传统绘画图像情感识别中的语义鸿沟与数据噪声问题，为中国画情感的数字化理解与管理提供了坚实的实验与理论基础。
- 存在局限
- 材料中未明确提及本研究的具体局限性。但研究背景中提到，当前大规模、高质量的图像情感识别数据集尚未建立，且直接迁移ImageNet等预训练权重可能会引发跨域转移的欠拟合问题。
- 进一步研究方向
- 材料中未明确提及具体的进一步研究方向。仅提到该研究可为国粹情感的数字化理解和管理提供实验基础，未来或可在此基础上展开深入探索。
本综述由 AI（GLM-5）阅读开放获取全文自动生成，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：Digital Media and Visual Art