Pretražite po imenu i prezimenu autora, mentora, urednika, prevoditelja

Napredna pretraga

Pregled bibliografske jedinice broj: 1021427

Računalno otkrivanje stilskih obilježja slikarskih djela utemeljeno na analizi značajki slike više razine


Cetinić, Eva
Računalno otkrivanje stilskih obilježja slikarskih djela utemeljeno na analizi značajki slike više razine, 2019., doktorska disertacija, Fakultet elektrotehnike i računarstva, Zagreb


CROSBI ID: 1021427 Za ispravke kontaktirajte CROSBI podršku putem web obrasca

Naslov
Računalno otkrivanje stilskih obilježja slikarskih djela utemeljeno na analizi značajki slike više razine
(Computational detection of stylistic properties of paintings based on high-level image feature analysis)

Autori
Cetinić, Eva

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, doktorska disertacija

Fakultet
Fakultet elektrotehnike i računarstva

Mjesto
Zagreb

Datum
13.06

Godina
2019

Stranica
115

Mentor
Grgić, Sonja

Ključne riječi
digitalna analiza slike ; klasifikacija slikarskih djela ; duboko učenje ; računalni vid ; značajke slike više razine ; konvolucijske neuronske mreže: digitalna povijest umjetnosti
(digital image analysis ; fine art classification ; deep learning ; computer vision ; high level image features ; convolutional neural networks ; digital art history)

Sažetak
Dostupnost velikih kolekcija digitaliziranih slikarskih djela otvorila je mogućnost novih istraživačkih pristupa u analizi likovne umjetnosti, zasnovanih na razvoju i primjeni metoda računalnog vida i strojnog učenja. Cilj je istraživanja ovog doktorskog rada ostvarenje metoda za računalnu detekciju i analizu stilskih obilježja slikarskih djela. Razvoju tih metoda pristupa se prema uzoru na povijesno-umjetničku analizu djela koja obuhvaća tri razine razmatranja: kategorizaciju, formalnu analizu i doživljajnu analizu. Metode za sve razine pristupa zasnivaju se na primjeni dubokih konvolucijskih neuronskih mreža. Prva razina pristupa odgovara problematici automatske klasifikacije slika. Provedena je usporedna analiza različitih postavki učenja mreža te su postignuti trenutno najbolji rezultati klasifikacijske točnosti za većinu predstavljenih zadataka klasifikacije slikarskih djela. Druga razina pristupa ostvaruje se razvojem metode kvantifikacije zastupljenosti specifičnih stilskih obilježja i predikcije vrijednosti tih obilježja zasnovana na učenju regresijskih modela konvolucijskih neuronskih mreža. Treća razina pristupa ostvaruje se metodom kvantifikacije subjektivnih aspekata estetske, afektivne i memorijske percepcije likovnog djela. U ovome radu prvi se puta provodi usporedna analiza predikcijskih vrijednosti navedenih percepcijskih obilježja dobivenih primjenom konvolucijskih neuronskih mreža na velikom skupu slikarskih djela. Kvantitativni i kvalitativni rezultati dobiveni primjenom predstavljenih metoda druge i treće razine pristupa sukladni su s povijesno-umjetničkim saznanjima, kao i s rezultatima ispitivanja ljudskih procjena zastupljenosti određenih obilježja u slici.

Izvorni jezik
Hrvatski

Znanstvena područja
Računarstvo



POVEZANOST RADA


Ustanove:
Fakultet elektrotehnike i računarstva, Zagreb

Profili:

Avatar Url Sonja Grgić (mentor)

Avatar Url Eva Cetinić (autor)


Citiraj ovu publikaciju:

Cetinić, Eva
Računalno otkrivanje stilskih obilježja slikarskih djela utemeljeno na analizi značajki slike više razine, 2019., doktorska disertacija, Fakultet elektrotehnike i računarstva, Zagreb
Cetinić, E. (2019) 'Računalno otkrivanje stilskih obilježja slikarskih djela utemeljeno na analizi značajki slike više razine', doktorska disertacija, Fakultet elektrotehnike i računarstva, Zagreb.
@phdthesis{phdthesis, author = {Cetini\'{c}, Eva}, year = {2019}, pages = {115}, keywords = {digitalna analiza slike, klasifikacija slikarskih djela, duboko u\v{c}enje, ra\v{c}unalni vid, zna\v{c}ajke slike vi\v{s}e razine, konvolucijske neuronske mre\v{z}e: digitalna povijest umjetnosti}, title = {Ra\v{c}unalno otkrivanje stilskih obilje\v{z}ja slikarskih djela utemeljeno na analizi zna\v{c}ajki slike vi\v{s}e razine}, keyword = {digitalna analiza slike, klasifikacija slikarskih djela, duboko u\v{c}enje, ra\v{c}unalni vid, zna\v{c}ajke slike vi\v{s}e razine, konvolucijske neuronske mre\v{z}e: digitalna povijest umjetnosti}, publisherplace = {Zagreb} }
@phdthesis{phdthesis, author = {Cetini\'{c}, Eva}, year = {2019}, pages = {115}, keywords = {digital image analysis, fine art classification, deep learning, computer vision, high level image features, convolutional neural networks, digital art history}, title = {Computational detection of stylistic properties of paintings based on high-level image feature analysis}, keyword = {digital image analysis, fine art classification, deep learning, computer vision, high level image features, convolutional neural networks, digital art history}, publisherplace = {Zagreb} }




Contrast
Increase Font
Decrease Font
Dyslexic Font