期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
国画的艺术目标分割及深度学习与分类
被引量:
10
1
作者
盛家川
李玉芝
《中国图象图形学报》
CSCD
北大核心
2018年第8期1193-1206,共14页
目的现有对艺术画进行分类的文献大多对整幅画作直接进行特征提取,但任何图像内容特征的可适应性都存在一定的局限性。画家画不同艺术目标的笔锋和艺术处理往往是不同的,如果不考虑每个笔锋所产生的条件而一味地分析笔锋的走向和力度分...
目的现有对艺术画进行分类的文献大多对整幅画作直接进行特征提取,但任何图像内容特征的可适应性都存在一定的局限性。画家画不同艺术目标的笔锋和艺术处理往往是不同的,如果不考虑每个笔锋所产生的条件而一味地分析笔锋的走向和力度分布等将会是很盲目的。为此提出一种基于艺术目标的中国画分类算法。方法首先,基于简单线性迭代聚类算法根据像素间颜色和位置的相差程度来生成超像素;其次,提出针对艺术目标的最大相似度区域合并算法交互式地进行艺术目标分割,将国画分割成一系列的艺术目标,如马、人物等,以提取画家用来表现艺术形式和抒发情感的相对稳定单元;然后利用深度卷积神经网络(O-CNN)来描述这些艺术目标的高级语义特征;最后,引入支持向量机对每幅中国画内的各种艺术目标的分类结果进行最后的融合与分类。结果本文针对艺术目标进行国画的学习和分类,实现了对样本库中10位画家中国画的识别,平均准确率为89%。实验结果表明,本文算法在平均查全率和查准率上优于现有的MHMM(The 2D multi-resolution hidden Markov model)和Fusion等方法。结论本文的成果可用于中国画的数字化分析、管理、理解和识别,为中国画传承和鉴赏提供有效的数字工具。
展开更多
关键词
艺术目标分割
中国画分类
卷积神经网络
融合算法
深度学习
超像素分割
原文传递
中国画分类的改进嵌入式学习算法
被引量:
10
2
作者
李玉芝
盛家川
华斌
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2018年第5期893-900,共8页
现有中国画分类大多只考虑了画作和类标签的相关性,忽略了画作间的关联以及特征重要度的影响.为此,提出改进的嵌入式中国画分类算法.通过微调预训练的VGG-F模型提取中国画图像特征;并提出基于互信息的嵌入式学习算法,使"友情则近,...
现有中国画分类大多只考虑了画作和类标签的相关性,忽略了画作间的关联以及特征重要度的影响.为此,提出改进的嵌入式中国画分类算法.通过微调预训练的VGG-F模型提取中国画图像特征;并提出基于互信息的嵌入式学习算法,使"友情则近,敌对则远"的嵌入式原则受到特征选择及特征重要度的影响;最后利用支持向量机对中国画进行画作艺术风格及其作者分类.实现了对样本库中10位画家中国画的识别,平均准确率为86%,相比其他算法,该算法有更高的分类准确度和更好的鲁棒性.
展开更多
关键词
嵌入式机器学习
互信息
中国画分类
深度学习
下载PDF
职称材料
基于线条形状和主方向墨色分布特征的中国画画家识别算法
被引量:
4
3
作者
刘赏
盛家川
《模式识别与人工智能》
EI
CSCD
北大核心
2017年第10期917-927,共11页
目前针对中国画的研究主要集中在基于内容的图像分析上,但是对于中国画的分类识别,更重要的是艺术风格而非内容.中国画的本质是笔墨运用,笔道的线条形状和墨色构成是鉴别艺术风格的重要因素.因此,文中提出基于笔墨特征的中国画画家识别...
目前针对中国画的研究主要集中在基于内容的图像分析上,但是对于中国画的分类识别,更重要的是艺术风格而非内容.中国画的本质是笔墨运用,笔道的线条形状和墨色构成是鉴别艺术风格的重要因素.因此,文中提出基于笔墨特征的中国画画家识别算法.首先提取墨线的形状特征和墨色的布局特征,然后综合上述2种特征,作为支持向量机的输入训练得到画作分类器.实验表明,文中算法在平均查全率和查准率上较优,可以用于中国画的数字化分析、理解和识别,为中国画传承和鉴赏提供有效的数字工具.
展开更多
关键词
中国画分类
方向梯度直方图
主方向墨色
线条形状
特征提取
下载PDF
职称材料
题名
国画的艺术目标分割及深度学习与分类
被引量:
10
1
作者
盛家川
李玉芝
机构
天津财经大学理工学院
出处
《中国图象图形学报》
CSCD
北大核心
2018年第8期1193-1206,共14页
基金
国家自然科学基金项目(61502331
11701410)~~
文摘
目的现有对艺术画进行分类的文献大多对整幅画作直接进行特征提取,但任何图像内容特征的可适应性都存在一定的局限性。画家画不同艺术目标的笔锋和艺术处理往往是不同的,如果不考虑每个笔锋所产生的条件而一味地分析笔锋的走向和力度分布等将会是很盲目的。为此提出一种基于艺术目标的中国画分类算法。方法首先,基于简单线性迭代聚类算法根据像素间颜色和位置的相差程度来生成超像素;其次,提出针对艺术目标的最大相似度区域合并算法交互式地进行艺术目标分割,将国画分割成一系列的艺术目标,如马、人物等,以提取画家用来表现艺术形式和抒发情感的相对稳定单元;然后利用深度卷积神经网络(O-CNN)来描述这些艺术目标的高级语义特征;最后,引入支持向量机对每幅中国画内的各种艺术目标的分类结果进行最后的融合与分类。结果本文针对艺术目标进行国画的学习和分类,实现了对样本库中10位画家中国画的识别,平均准确率为89%。实验结果表明,本文算法在平均查全率和查准率上优于现有的MHMM(The 2D multi-resolution hidden Markov model)和Fusion等方法。结论本文的成果可用于中国画的数字化分析、管理、理解和识别,为中国画传承和鉴赏提供有效的数字工具。
关键词
艺术目标分割
中国画分类
卷积神经网络
融合算法
深度学习
超像素分割
Keywords
artistic
object
segmentation
classification
of
chinese
paintings
convolutional
neural
network
fusion
algorithm
deep
learning
superpixel
segmentation
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
原文传递
题名
中国画分类的改进嵌入式学习算法
被引量:
10
2
作者
李玉芝
盛家川
华斌
机构
天津财经大学理工学院
出处
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2018年第5期893-900,共8页
基金
国家自然科学基金(61502331
11701410)
+2 种基金
天津市自然科学基金(15JCQNJC00800
16JCYBJC42000)
中国民航信息技术科研基地开放课题(CAAC-ITRB-201504)
文摘
现有中国画分类大多只考虑了画作和类标签的相关性,忽略了画作间的关联以及特征重要度的影响.为此,提出改进的嵌入式中国画分类算法.通过微调预训练的VGG-F模型提取中国画图像特征;并提出基于互信息的嵌入式学习算法,使"友情则近,敌对则远"的嵌入式原则受到特征选择及特征重要度的影响;最后利用支持向量机对中国画进行画作艺术风格及其作者分类.实现了对样本库中10位画家中国画的识别,平均准确率为86%,相比其他算法,该算法有更高的分类准确度和更好的鲁棒性.
关键词
嵌入式机器学习
互信息
中国画分类
深度学习
Keywords
embedded
learning
mutual
information
classification
of
chinese
paintings
deep
learning
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于线条形状和主方向墨色分布特征的中国画画家识别算法
被引量:
4
3
作者
刘赏
盛家川
机构
天津财经大学理工学院
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2017年第10期917-927,共11页
基金
国家自然科学基金项目(No.61502331)
天津市自然科学基金项目(No.15JCQNJC00800
+1 种基金
16JCYBJC42000)
中国民航信息技术科研基地开放课题(No.CAAC-ITRB-201504)资助~~
文摘
目前针对中国画的研究主要集中在基于内容的图像分析上,但是对于中国画的分类识别,更重要的是艺术风格而非内容.中国画的本质是笔墨运用,笔道的线条形状和墨色构成是鉴别艺术风格的重要因素.因此,文中提出基于笔墨特征的中国画画家识别算法.首先提取墨线的形状特征和墨色的布局特征,然后综合上述2种特征,作为支持向量机的输入训练得到画作分类器.实验表明,文中算法在平均查全率和查准率上较优,可以用于中国画的数字化分析、理解和识别,为中国画传承和鉴赏提供有效的数字工具.
关键词
中国画分类
方向梯度直方图
主方向墨色
线条形状
特征提取
Keywords
classification
of
chinese
paintings
,
Histogram
of
Oriented
Gradient,
Ink
Color
of
Principal
Direction,
Line
Shape,
Feature
Extraction
分类号
J212 [艺术—美术]
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
国画的艺术目标分割及深度学习与分类
盛家川
李玉芝
《中国图象图形学报》
CSCD
北大核心
2018
10
原文传递
2
中国画分类的改进嵌入式学习算法
李玉芝
盛家川
华斌
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2018
10
下载PDF
职称材料
3
基于线条形状和主方向墨色分布特征的中国画画家识别算法
刘赏
盛家川
《模式识别与人工智能》
EI
CSCD
北大核心
2017
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部