جدیدترین شبکه های عصبی عمیق
ترجمه نشده

جدیدترین شبکه های عصبی عمیق

عنوان فارسی مقاله: طبقه بندی نقاش بر اساس مجموعه داده های نقاشی جدید هنری از طریق جدیدترین شبکه های عصبی عمیق
عنوان انگلیسی مقاله: Painter Classification Over the Novel Art Painting Data Set via The Latest Deep Neural Networks
مجله/کنفرانس: علوم کامپیوتر پروسیدیا – Procedia Computer Science
رشته های تحصیلی مرتبط: مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: هوش مصنوعی
کلمات کلیدی فارسی: شبکه عصبی پیچشی، طبقه بندی نقاش هنری، شبکه های عصبی عمیق، نقاشی
کلمات کلیدی انگلیسی: Convolutional Neural Network, Art Painter Classification, Deep Neural Networks, Painting
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.procs.2019.06.053
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 1.257 در سال 2018
شاخص H_index: 47 در سال 2019
شاخص SJR: 0.281 در سال 2019
شناسه ISSN: 1877-0509
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 8
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E12319
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


1-Introduction


2-Material and Methods


3-Experimental Results


4-Conclusions


5-References

نمونه متن انگلیسی مقاله

Abstract


Painters can be affected during their life simultaneously from different movements, the same movements or a few different movements. This situation makes the problem of identifying, and classifying painters more difficult. In this paper, we have tested the latest deep neural networks on this problem. There are 17 painters who lived in different term and influenced by different art movements, an average of 46 paintings per painters in our data set to test this problem. GoogleNet, DenseNet, ResNet50, ResNet101 and Inceptionv3 networks are applied to this data set. Although DenseNet gives the highest result, considering the cost parameters such as training time and file size, the Inceptionv3 and ResNet50 which provide near to DenseNet results is the optimum networks.


Introduction


In recent years, the transfer of the art work to digital environment has accelerated, so large libraries have begun to be created on the internet. These libraries brought together paintings from museums, churches or collectors in different place of the world to a wide range of people, such as educators, curious painting viewers and art students. However, museums, churches and collectors have hundreds of thousands of paintings, and digitization is not an easy task so a painter classifier will become more purposive and practical, for museum curators, curious painting viewers and art students. We hope that creating an painter classifier allows curators, educators, curious painting viewers and art students to automatically tag objects and allow visitors to browse paintings more freely.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

جدیدترین شبکه های عصبی عمیق
نوشته های مرتبط
مقالات جدید
نماد اعتماد الکترونیکی
پیوندها