[发明专利]一种基于上下文信息的艺术画风格分类方法

摘要

本发明公开了一种基于上下文信息的艺术画风格分类方法，属于计算机视觉技术领域。该方法的目的是从艺术史中找到影响艺术画风格发展的信息，利用这些信息生成标签分布并用于训练卷积神经网络，即将艺术画的上下文信息以标签分布的形式作为卷积神经网络的输入来辅助图像训练，从而解决艺术画风格分类的问题。在艺术画分类任务中，大多数方法都仅仅利用图像特征进行分类，而忽视了艺术画在定义风格时往往会考虑它创作时所处上下文背景的现象。针对这一问题，通过本发明的标签分布生成方法将艺术画的上下文信息转化为标签分布，并将其作为卷积神经网络的输入标签，而后同时优化分类损失函数和标签分布损失函数，最终应用于艺术画风格分类的任务中。

主权项

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。