情景交融是中國畫重要的藝術(shù)表現(xiàn)形式,分析并可視化其情感對幫助用戶鑒賞和管理國畫有重要意義.為此,提出深層網(wǎng)絡(luò)特征聚合重標定的中國畫情感分類算法.(1)依據(jù)中國畫自身特點優(yōu)化卷積神經(jīng)網(wǎng)絡(luò),強化對情感貢獻大的特征激活.首先,基于接縫裁剪技術(shù)重定向國畫,在避免變形的同時保留畫作筆墨信息;其次,構(gòu)建多層聚合特征重標定網(wǎng)絡(luò)模塊,聚合模塊內(nèi)卷積層信息,重標定特征響應(yīng).(2)提出多類別加權(quán)激活定位的類判別映射技術(shù),分別計算各類別相對于卷積層的梯度獲得激活定位,并將其加權(quán)聚合以突出顯示CNN檢測到的情感區(qū)域,實現(xiàn)中國畫情感元素可視化.在1 000幅中國畫情感數(shù)據(jù)集上獲得85.8%的準確率,相比其他算法,該算法有更高的分類準確度,能夠準確定位中國畫情感描繪區(qū)域.

【文章頁數(shù)】：10 頁

【部分圖文】：

圖1中國畫情感分類和可視化算法

1422計算機輔助設(shè)計與圖形學(xué)學(xué)報第32卷器之前的預(yù)測值,并將其中一個分類類別的預(yù)測值設(shè)為1,其他類別設(shè)為0;如圖1d所示,反向傳播該信號到目標卷積層,分別計算各類別的相對梯度;如圖1e所示,全局平均池化計算后得到向量;如圖1f所示,結(jié)合重標定模塊輸出獲取各類別激活定位;如圖1g....

圖2中國畫的畫幅形式與重定向處理

1422計算機輔助設(shè)計與圖形學(xué)學(xué)報第32卷器之前的預(yù)測值,并將其中一個分類類別的預(yù)測值設(shè)為1,其他類別設(shè)為0;如圖1d所示,反向傳播該信號到目標卷積層,分別計算各類別的相對梯度;如圖1e所示,全局平均池化計算后得到向量;如圖1f所示,結(jié)合重標定模塊輸出獲取各類別激活定位;如圖1g....

圖3多層聚合的特征重標定模塊

寧靜之美.CNN特征傳播到深層的過程中,由于池化等操作不可避免地丟失了一些線條、紋理等淺層簡單特征,這并不符合中國畫情感特征提取的需求.本文改進ResNet[24]的CNN結(jié)構(gòu),提出一種多層聚合重標定的情感特征優(yōu)化模塊.該模塊基于殘差模塊構(gòu)建多層聚合的特征重標定結(jié)構(gòu),在一個模塊中....

圖4準確率混淆矩陣為證明本文中國畫圖像重定向算法對于后期

設(shè)初始學(xué)習(xí)率為103,學(xué)習(xí)率衰減率為0.9,批大小為100,迭代10000次.將中國畫預(yù)處理為224×224像素作為網(wǎng)絡(luò)輸入,微調(diào)所提出的多層聚合的特征重標定深度網(wǎng)絡(luò).中國畫描繪內(nèi)容來源于生活,畫家將自然景象以藝術(shù)手法表現(xiàn)出來.而ImageNet數(shù)據(jù)集預(yù)訓(xùn)練模型已學(xué)習(xí)豐富的視覺特....

本文編號：3963960