[发明专利]一种基于上下文信息的艺术画风格分类方法

权利要求书

1.一种基于上下文信息的艺术画风格分类方法，用于将艺术风格的上下文结合到卷积神经网络中预测艺术画的风格，其特征在于，包括：

a.对于目标任务的艺术画数据集，根据数据集中的风格类别收集每种风格的起源时间、发源地以及所属的艺术运动信息；

b.使用步骤a中得到的起源时间信息，分别根据起源时间的先后顺序和具体起源年份基于高斯分布生成两种时间标签分布；

c.使用步骤a中得到的发源地信息生成地点标签分布；

d.使用步骤a中得到的所属艺术运动信息生成艺术运动标签分布；

e.使用步骤b、c、d中得到的两种时间标签分布、地点标签分布和艺术运动标签分布生成多因素的标签分布，用于表示三种历史信息所反应的风格之间的关系；

f.使用步骤b、c、d、e中得到的任一种标签分布作为卷积神经网络输入图像的标签，在训练过程中同时优化分类损失函数和分布损失函数，学习艺术画的风格特征，用于预测一幅艺术画的风格类别。

2.根据权利要求1所述的基于上下文信息的艺术画风格分类方法，其特征在于：

对于每种风格的起源时间、发源地和所属的艺术运动信息，根据目标任务数据集的类别名称进行收集。

3.根据权利要求1所述的基于上下文信息的艺术画风格分类方法，其特征在于：

对于根据起源时间顺序生成时间因素标签分布，按照每种风格起源时间的先后顺序编号计算生成标签分布，这一过程不考虑具体的起源时间。

4.根据权利要求1所述的基于上下文信息的艺术画风格分类方法，其特征在于：

对于根据具体起源时间生成时间因素标签分布，使用每种风格的起源时间年份计算生成标签分布，这一过程不考虑起源时间顺序，若无法确定具体年份使用近似年份代替。

5.根据权利要求1所述的基于上下文信息的艺术画风格分类方法，其特征在于：

对于生成的地点标签分布，与目标风格属于同一发源地的风格所对应的标签值被定义为一个固定值，其它标签值被定义为零。

6.根据权利要求1所述的基于上下文信息的艺术画风格分类方法，其特征在于：

对于生成的艺术运动标签分布，与目标风格属于同一艺术运动的风格所对应的标签值被定义为一个固定值，其它标签值被定义为零。

7.根据权利要求1所述的基于上下文信息的艺术画风格分类方法，其特征在于：

为了生成多因素标签分布，将两种时间标签分布加权求和作为最终的时间标签分布，并与另外两种标签分布相加作为多因素标签分布。

8.根据权利要求1所述的基于上下文信息的艺术画风格分类方法，其特征在于：

为了便于卷积神经网络的训练，在生成标签分布后，采用归一化操作使标签分布中每一项之和为1。

9.根据权利要求1所述的基于上下文信息的艺术画风格分类方法，其特征在于：

通过同时优化分类损失函数和分布损失函数，并使用权重来平衡两种损失函数的占比，在网络训练中学习艺术画的风格特征，从而实现结合艺术历史信息进行艺术风格的预测。