深层网络特征聚合重标定的中国画情感分类算法

发布时间：2024-04-25 03:50

　　情景交融是中国画重要的艺术表现形式,分析并可视化其情感对帮助用户鉴赏和管理国画有重要意义.为此,提出深层网络特征聚合重标定的中国画情感分类算法.(1)依据中国画自身特点优化卷积神经网络,强化对情感贡献大的特征激活.首先,基于接缝裁剪技术重定向国画,在避免变形的同时保留画作笔墨信息;其次,构建多层聚合特征重标定网络模块,聚合模块内卷积层信息,重标定特征响应.(2)提出多类别加权激活定位的类判别映射技术,分别计算各类别相对于卷积层的梯度获得激活定位,并将其加权聚合以突出显示CNN检测到的情感区域,实现中国画情感元素可视化.在1 000幅中国画情感数据集上获得85.8%的准确率,相比其他算法,该算法有更高的分类准确度,能够准确定位中国画情感描绘区域.

【文章页数】：10 页

【部分图文】：

图1中国画情感分类和可视化算法

1422计算机辅助设计与图形学学报第32卷器之前的预测值,并将其中一个分类类别的预测值设为1,其他类别设为0;如图1d所示,反向传播该信号到目标卷积层,分别计算各类别的相对梯度;如图1e所示,全局平均池化计算后得到向量;如图1f所示,结合重标定模块输出获取各类别激活定位;如图1g....

图2中国画的画幅形式与重定向处理

1422计算机辅助设计与图形学学报第32卷器之前的预测值,并将其中一个分类类别的预测值设为1,其他类别设为0;如图1d所示,反向传播该信号到目标卷积层,分别计算各类别的相对梯度;如图1e所示,全局平均池化计算后得到向量;如图1f所示,结合重标定模块输出获取各类别激活定位;如图1g....

图3多层聚合的特征重标定模块

宁静之美.CNN特征传播到深层的过程中,由于池化等操作不可避免地丢失了一些线条、纹理等浅层简单特征,这并不符合中国画情感特征提取的需求.本文改进ResNet[24]的CNN结构,提出一种多层聚合重标定的情感特征优化模块.该模块基于残差模块构建多层聚合的特征重标定结构,在一个模块中....

图4准确率混淆矩阵为证明本文中国画图像重定向算法对于后期

设初始学习率为103,学习率衰减率为0.9,批大小为100,迭代10000次.将中国画预处理为224×224像素作为网络输入,微调所提出的多层聚合的特征重标定深度网络.中国画描绘内容来源于生活,画家将自然景象以艺术手法表现出来.而ImageNet数据集预训练模型已学习丰富的视觉特....

本文编号：3963960