Pregled bibliografske jedinice broj: 1021427
Računalno otkrivanje stilskih obilježja slikarskih djela utemeljeno na analizi značajki slike više razine
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