[发明专利]一种基于卷积神经网络的艺术图像分类方法

说明书

本发明公开了一种基于卷积神经网络的艺术图像分类方法，包括：获取每类艺术图像，图像裁切与构建训练集、验证集；然后使用空洞卷积、DKSE模块、深度可分离卷积搭建卷积神经网络；最后用训练集输入搭建好的卷积神经网络对其进行训练，得到可用来进行艺术图像分类的网络模型。本发明较传统方法相比，提取的艺术图像的整体特征与局部细节特征更加全面，可以适用于多种艺术图像分类研究，模型通用性较强，填补了现有多类艺术图像分类检索研究的不足；本发明中设计的卷积神经网络可减少对艺术图像分类人员的专业要求，避免了传统分类算法中复杂的特征提取和数据标注的工作；本发明卷积神经网络结构较其他卷积神经网络结构简单，分类准确率高。

技术领域

本发明属于图像处理识别技术领域，具体涉及一种基于卷积神经网络的艺术图像分类方法。

背景技术

互联网数字媒体技术的发展，促进了自然艺术图像的分享和传播，但随着艺术图像数量的与日剧增，对其进行有效的分类检索是一个亟待解决的问题。面对海量的艺术图像数据，用传统手工提取特征方法可能存在标注失误以及标注不够客观等问题，而且对艺术图像分类人员的专业要求比较高。现有对艺术图像管理的研究工作主要是基于国画题材与表现手法的分类、根据画家创作风格而对画家的分类以及艺术画真假鉴别，而基于多类艺术图像风格特点的分类研究较少。

高峰等人在《基于表现手法的国画分类方法研究,Chinese Journal ofComputers.2017年第12期,2871-2882》一文中提出利用尺度不变特征变换特征检测子和边缘检测得到图像关键区域，通过关键区域特征和邻域内部差异性的描述，采用级联分类器分析得出工笔画和写意画在表现手法上的不同，但是所得到的局部关键区域特征不足以代表整体艺术图像的关键特征。根据国画中纹理、颜色、形状等特征，王征等人在《监督式异构稀疏特征选择的国画分类和预测,Journal of Computer-Aided DesignComputerGraphics.2013年第12期,1848-1855》一文中采用传统方法进行监督式异构稀疏特征提取，但是特征只有96维，不足以描述国画的整体特征。Yao等人在《Characterizing eleganceof curves computationally for distinguishing Morrisseau paintings and theimitations,Proceedings ofthe 16th IEEE International Conference on ImageProcessing.2009:73-76》一文中提出根据Norval Morrisseau艺术图像中曲线的流畅性，判别真画与假画之间的区别，但是该方法仅针对Norval Morrisseau艺术画进行真假鉴别，模型通用性较差。每类艺术图像在纹理、颜色、线条等特征上有一定的相似之处，使用传统方法提取艺术图像特征并不能充分区别每类艺术图像的风格特点。

卷积神经网络(Convolutional Neural Networks，CNNs)在图像特征提取方面取得不错的结果，被广泛用于图像分类领域中；卷积神经网络中的不同大小的卷积核，可以提取图像的整体特征与局部细节特征，对艺术图像分类上能表现出不错的效果。

发明内容

鉴于上述，本发明提供了一种基于卷积神经网络的艺术图像分类方法，通过建立并训练卷积神经网络，实现对多类艺术图像的分类；相比采用传统方法提取的图像特征更加全面，对分类人员的要求更低，操作更简单，并有较高的准确率。

一种基于卷积神经网络的艺术图像分类方法，包括如下步骤：

(1)获取大量各类艺术图像，由专业人员对这些图像进行清洗和筛查，并人工为每张图像打上类别标签；

(2)对每张图像进行预处理，从而得到对应的图像数据样本；

(3)将所有样本分为训练集和验证集，搭建卷积神经网络并利用训练集样本对该卷积神经网络进行训练，得到用于艺术图像分类的网络模型；