绘画作品按照风格、体裁和艺术家进行分类。

简介：
艺术品的风格、流派以及艺术家之间的分类，与艺术品数字化的快速增长密切相关，这突显了根据艺术家、艺术风格和绘画风格对绘画作品进行分类的重要性。 这种分类方法无疑能够帮助游客和策展人以更为灵活的方式，自主地分析和可视化博物馆中任何一组画作。 此外，追踪特定画家的艺术作品并非易事，因为大多数艺术家的作品往往具有独特的绘画风格，而众多画家也可能共享相同的绘画风格。 我已经对四种模型进行了实验——首先，通过结合视觉词袋技术使用随机森林分类器的基于统计机器学习的香草卷积神经网络实现；其次，胶囊网络采用了像AlexNet这样的预训练网络进行迁移学习。用于此分类任务的数据集来源于Wikiart数据集。 下图清晰地展示了该数据集中的训练图像与测试图像所呈现的分布情况。 模型1-CNN是一种简单的前馈神经网络，它作为卷积神经网络的一种变体，具备坚固的架构。 输入图像被视为CNN的输入数据，随后CNN计算权重并利用损失函数来获得最终输出结果，从而准确地识别出相应的类别。 CNN技术能够有效地应用于图像识别领域。