基于多层聚合卷积神经网络的中国画风格分类模型设计
Design of Chinese painting style classification model based on multi-layer aggregation CNN
Xiaofang Du, Yangfeng Cai
PeerJ Computer Science · 2024-10-08
开放获取美术与书法被引 10被引前 10%影响因子 ≈4.7
摘要
本研究深入探究中国传统绘画的艺术价值，旨在弥合其本质特征与人类情感之间的鸿沟。为此，我们提出了一种基于卷积神经网络的中国传统绘画情感分类新模型。通过系统分析中国传统绘画中固有的独特情感映射关系，构建了完整的分类框架。值得注意的是，研究利用图像显著性检测技术精准提取情感特征区域，并将多层聚合重校准情感特征模块无缝嵌入卷积神经网络结构，从而强化对影响中国传统绘画情感的关键特征的激活效果。此外，研究采用多类别加权激活定位方法，在青、品红、黄、黑四色色彩空间内对中国画情感进行分类。实验结果表明，该算法在 Traditional Chinese Painting 情感识别任务中的准确率高达92.36%，最大误差仅为0.191，明显优于VGG-19、GoogLeNet、ResNet-50及WSCNet等现有方法。这一成果印证了本模型在精准捕捉和理解中国传统绘画情感细微差别方面的优势。凭借相较于以往方法的卓越表现，本研究推动了多媒体技术与文化教育的融合。
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
- 本文提出了一种基于卷积神经网络的中国画情感分类模型，旨在弥合传统中国画基本特征与人类情感之间的鸿沟。研究认为，中国画具有独特的情感映射关系，通过深度学习技术可以精准捕捉并理解其中的情感细微差别。
- 研究方法
- 研究构建了一个综合框架，首先利用图像显著性准确提取情感特征区域。其次，在CNN网络结构中集成了多层聚合重校准情感特征模块，以增强对国画情感影响显著的特征激活。最后，采用多类别加权激活定位方法在CMYK色彩空间中对国画情感进行分类。
- 学术贡献
- 该研究在传统中国画情感识别任务上取得了92.36%的准确率，超越了VGG-19、GoogLeNet、ResNet-50和WSCNet等现有主流算法。这一性能提升证明了该模型在捕捉和理解国画情感细微差别方面的有效性。此外，该研究促进了多媒体技术与文化教育领域的交叉融合。
- 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：Digital Media and Visual Art