Программу научили различать художников и стили живописи
Сотрудники факультета компьютерных наук американского университета в Нью-Джерси опубликовали доклад, в котором рассказали о нейронной сети, способной определять автора, жанр и стиль картины на основании различных метрик. На это обратило внимание научно-популярное издание N+1.
Программа смогла классифицировать картины по автору и жанру с точностью около 60 процентов. Точность определения стиля оказалась несколько ниже и составила порядка 35 процентов — это авторы объясняют тем, что в базе данных картин, которую они использовали, не набралось достаточного количества примеров.
Результаты могли быть и выше, но нейронной сети не удалось эффективно различать работы схожих по стилю авторов. Например, программа не смогла отделить картины Камиля Писсарро от произведений Клода Моне (художники жили в одно время, были друзьями и посещали одну академию).
Невысокие показатели также были продемонстрированы в отделении природных пейзажей от городских, поскольку многие из них схожи между собой. Система не смогла с высокой долей точности разграничить произведения в таких стилях как «Ренессанс» и «ранний Ренессанс», «импрессионизм» и «постимпрессионизм» и другие.
Картины разных стилей и жанров, которые программа определяла как схожие Для того, чтобы обучить программу классифицировать живопись, учёные из США применили несколько алгоритмов, которые определяли «визуальные особенности» определенной выборки картин. Эти характеристики распределялись по важности: от низкого уровня (например, краёв картин) до высокого (например, объекты в живописи).
Часть из них, такие как цветовая гамма или стиль письма, может определить и человек, но остальные может распознать лишь программа. Полученные данные записывались в виде вектора. На основе собранной информации производилось обучение нейронной сети, после чего разработчики переходили к следующей выборке.
Подводя итог своей работы учёные отмечают, что результаты работы еще далеки от идеала, но уже значительно превосходят все предыдущие попытки обучить машину определять принадлежность предмета живописи к тому или иному автору или стилю письма. Конечной целью их исследования является разработка системы, которая способна определять все характеристики картины и может заменить искусствоведа.
В 2012 году Google разработал свою нейронную сеть, способную анализировать изображения. Спустя какое-то время она научилась различать котов. Обучение программы происходило на основе случайной выборки ролик с YouTube
Нашли опечатку? Выделите фрагмент и отправьте нажатием Ctrl+Enter.
Программа смогла классифицировать картины по автору и жанру с точностью около 60 процентов. Точность определения стиля оказалась несколько ниже и составила порядка 35 процентов — это авторы объясняют тем, что в базе данных картин, которую они использовали, не набралось достаточного количества примеров.
Результаты могли быть и выше, но нейронной сети не удалось эффективно различать работы схожих по стилю авторов. Например, программа не смогла отделить картины Камиля Писсарро от произведений Клода Моне (художники жили в одно время, были друзьями и посещали одну академию).
Невысокие показатели также были продемонстрированы в отделении природных пейзажей от городских, поскольку многие из них схожи между собой. Система не смогла с высокой долей точности разграничить произведения в таких стилях как «Ренессанс» и «ранний Ренессанс», «импрессионизм» и «постимпрессионизм» и другие.
Картины разных стилей и жанров, которые программа определяла как схожие Для того, чтобы обучить программу классифицировать живопись, учёные из США применили несколько алгоритмов, которые определяли «визуальные особенности» определенной выборки картин. Эти характеристики распределялись по важности: от низкого уровня (например, краёв картин) до высокого (например, объекты в живописи).
Часть из них, такие как цветовая гамма или стиль письма, может определить и человек, но остальные может распознать лишь программа. Полученные данные записывались в виде вектора. На основе собранной информации производилось обучение нейронной сети, после чего разработчики переходили к следующей выборке.
Подводя итог своей работы учёные отмечают, что результаты работы еще далеки от идеала, но уже значительно превосходят все предыдущие попытки обучить машину определять принадлежность предмета живописи к тому или иному автору или стилю письма. Конечной целью их исследования является разработка системы, которая способна определять все характеристики картины и может заменить искусствоведа.
В 2012 году Google разработал свою нейронную сеть, способную анализировать изображения. Спустя какое-то время она научилась различать котов. Обучение программы происходило на основе случайной выборки ролик с YouTube
Нашли опечатку? Выделите фрагмент и отправьте нажатием Ctrl+Enter.
Ещё новости по теме:
18:20