0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)通過(guò)繪畫3D地形識(shí)別畫家

星星科技指導(dǎo)員 ? 來(lái)源:NVIDIA ? 作者:ichelle Horton ? 2022-04-07 17:06 ? 次閱讀

通過(guò)一種新開發(fā)的人工智能工具,識(shí)別繪畫偽造品變得更容易了。該工具可以精確地識(shí)別風(fēng)格差異,精確到一個(gè)畫筆刷毛。 Case Western Reserve University ( CWRU )團(tuán)隊(duì)的 research 通過(guò)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò),根據(jù)繪畫的 3D 地形來(lái)學(xué)習(xí)和識(shí)別畫家。這項(xiàng)工作可以幫助歷史學(xué)家和藝術(shù)專家區(qū)分合作作品中的藝術(shù)家,并找到偽造的作品。

鑒定古畫有幾種方法。專家經(jīng)常評(píng)估材料的類型和狀態(tài),并使用科學(xué)方法,如顯微分析、紅外光譜和反射術(shù)。

但是,這些詳盡的方法非常耗時(shí),可能會(huì)導(dǎo)致錯(cuò)誤。他們也無(wú)法識(shí)別一件藝術(shù)品的多個(gè)畫家。根據(jù)這項(xiàng)研究,像埃爾·格雷科和倫勃朗這樣的畫家經(jīng)常雇傭藝術(shù)家的工作室,以與自己相同的風(fēng)格繪制畫布的各個(gè)部分,使得個(gè)人貢獻(xiàn)不明確。

雖然用機(jī)器學(xué)習(xí)分析藝術(shù)品是一個(gè)相對(duì)較新的領(lǐng)域,但最近的研究集中于將人工智能方法與高分辨率的繪畫圖像相結(jié)合,以了解畫家的風(fēng)格并識(shí)別畫家。研究人員假設(shè), 3D 分析可以保存比圖像更多的數(shù)據(jù),在圖像中,筆觸圖案、油漆沉積和干燥方法等特征可以作為藝術(shù)家獨(dú)特的指紋。

CWRU 的安布羅斯·斯瓦西物理學(xué)教授、資深作家肯尼斯·辛格( Kenneth Singer )在一份 press release 的報(bào)告中說(shuō):“ 3D 地形是人工智能“看到”繪畫的一種新方式?!?。

研究人員用光學(xué)輪廓儀從一個(gè)表面提取地形數(shù)據(jù),掃描了同一場(chǎng)景的 12 幅畫,用相同的材料繪制,但由四位不同的藝術(shù)家繪制。光學(xué)輪廓儀通過(guò)對(duì)約 5 至 15 mm 的小方形藝術(shù)片進(jìn)行采樣,檢測(cè)并記錄表面的微小變化,這可歸因于某人如何握住和使用畫筆。

然后,他們訓(xùn)練一組卷積神經(jīng)網(wǎng)絡(luò)來(lái)發(fā)現(xiàn)小斑塊中的模式,為每個(gè)藝術(shù)家采樣 160 到 1440 個(gè)斑塊。使用 NVIDIA GPU 和 cuDNN 加速深度學(xué)習(xí)框架,該算法將樣本匹配回單個(gè)畫家。

研究小組對(duì)一位藝術(shù)家的 180 幅油畫進(jìn)行了算法測(cè)試,將樣本與一位畫家進(jìn)行了匹配,準(zhǔn)確率約為 95% 。

據(jù)合著者、 CWRU 的 Warren E.Rupp 物理學(xué)副教授 Michael Hinczewski 所說(shuō),在訓(xùn)練數(shù)據(jù)集有限的情況下,使用如此小的訓(xùn)練集的能力對(duì)于后來(lái)的藝術(shù)歷史應(yīng)用是有希望的。

辛切夫斯基說(shuō):“其他大多數(shù)使用人工智能進(jìn)行藝術(shù)歸屬的研究都集中在整個(gè)繪畫的照片上?!?。“我們將這幅畫分解成從半毫米到幾厘米見方的虛擬小塊。因此我們甚至不再有關(guān)于主題的信息,但我們可以從單個(gè)小塊準(zhǔn)確地預(yù)測(cè)誰(shuí)畫了它。這太神奇了?!?/p>

根據(jù)他們的發(fā)現(xiàn),研究人員將表面形貌視為使用無(wú)偏定量分析進(jìn)行歸因和偽造檢測(cè)的額外工具。在與位于馬德里的藝術(shù)保護(hù)公司 Factum Arte 的合作下,該團(tuán)隊(duì)正在對(duì)西班牙文藝復(fù)興時(shí)期畫家 El Greco 的幾件作品進(jìn)行藝術(shù)家工作室歸屬和保護(hù)研究。

與研究相關(guān)的數(shù)據(jù)和代碼可通過(guò) GitHub 獲取。這項(xiàng)工作是來(lái)自 CWRU 藝術(shù)史和藝術(shù)系、克利夫蘭藝術(shù)學(xué)院和克利夫蘭藝術(shù)博物館的研究人員的共同努力。

關(guān)于作者

Michelle Horton 是 NVIDIA 的高級(jí)開發(fā)人員通信經(jīng)理,擁有通信經(jīng)理和科學(xué)作家的背景。她在 NVIDIA 為開發(fā)者博客撰文,重點(diǎn)介紹了開發(fā)者使用 NVIDIA 技術(shù)的多種方式。

審核編輯:郭婷

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4726

    瀏覽量

    100344
  • NVIDIA
    +關(guān)注

    關(guān)注

    14

    文章

    4818

    瀏覽量

    102651
  • 人工智能
    +關(guān)注

    關(guān)注

    1789

    文章

    46401

    瀏覽量

    236644
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    關(guān)于卷積神經(jīng)網(wǎng)絡(luò),這些概念你厘清了么~

    神經(jīng)網(wǎng)絡(luò)訓(xùn)練中非常有效。卷積層使用一種被稱為卷積的數(shù)學(xué)運(yùn)算來(lái)識(shí)別像素值數(shù)組的模式。卷積發(fā)生在隱
    發(fā)表于 10-24 13:56

    卷積神經(jīng)網(wǎng)絡(luò)的基本概念、原理及特點(diǎn)

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡(jiǎn)稱CNN)是一種深度學(xué)習(xí)算法,它在圖像識(shí)別、視頻分析、自然語(yǔ)言處理等領(lǐng)域有著廣泛的應(yīng)用。本文將詳細(xì)介紹卷積
    的頭像 發(fā)表于 07-11 14:38 ?575次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別在哪

    結(jié)構(gòu)、原理、應(yīng)用場(chǎng)景等方面都存在一定的差異。以下是對(duì)這兩種神經(jīng)網(wǎng)絡(luò)的詳細(xì)比較: 基本結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò),由輸入層、隱藏層和輸出層組成。每個(gè)神經(jīng)元之間
    的頭像 發(fā)表于 07-04 09:49 ?8511次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)原理

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡(jiǎn)稱CNN)是一種深度學(xué)習(xí)模型,廣泛應(yīng)用于圖像識(shí)別、視頻分析、自然語(yǔ)言處理等領(lǐng)域。本文將詳細(xì)介紹卷積
    的頭像 發(fā)表于 07-03 10:49 ?454次閱讀

    bp神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

    結(jié)構(gòu)、原理、應(yīng)用場(chǎng)景等方面都存在一定的差異。以下是對(duì)這兩種神經(jīng)網(wǎng)絡(luò)的比較: 基本結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò),由輸入層、隱藏層和輸出層組成。每個(gè)神經(jīng)元之間
    的頭像 發(fā)表于 07-03 10:12 ?743次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)和工作原理

    和工作原理。 1. 引言 在深度學(xué)習(xí)領(lǐng)域,卷積神經(jīng)網(wǎng)絡(luò)是一種非常重要的模型。它通過(guò)模擬人類視覺系統(tǒng),能夠自動(dòng)學(xué)習(xí)圖像中的特征,從而實(shí)現(xiàn)對(duì)圖像的識(shí)別和分類。與傳統(tǒng)的機(jī)器學(xué)習(xí)方法相比,CN
    的頭像 發(fā)表于 07-03 09:38 ?324次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的是什么

    、訓(xùn)練過(guò)程以及應(yīng)用場(chǎng)景。 1. 卷積神經(jīng)網(wǎng)絡(luò)的基本概念 1.1 卷積神經(jīng)網(wǎng)絡(luò)的定義 卷積
    的頭像 發(fā)表于 07-03 09:15 ?276次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的原理與實(shí)現(xiàn)

    1.卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡(jiǎn)稱CNN)是一種深度學(xué)習(xí)模型,廣泛應(yīng)用于圖像識(shí)別、視頻分析、自然語(yǔ)言處理等領(lǐng)域。 卷積
    的頭像 發(fā)表于 07-02 16:47 ?396次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)及其功能

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡(jiǎn)稱CNN)是一種深度學(xué)習(xí)模型,廣泛應(yīng)用于圖像識(shí)別、視頻分析、自然語(yǔ)言處理等領(lǐng)域。本文將詳細(xì)介紹卷積
    的頭像 發(fā)表于 07-02 14:45 ?839次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的原理是什么

    基本概念、結(jié)構(gòu)、訓(xùn)練過(guò)程以及應(yīng)用場(chǎng)景。 卷積神經(jīng)網(wǎng)絡(luò)的基本概念 1.1 神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)是一種受人腦
    的頭像 發(fā)表于 07-02 14:44 ?449次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用

    卷積操作 卷積神經(jīng)網(wǎng)絡(luò)的核心是卷積操作。卷積操作是一種數(shù)學(xué)運(yùn)算,用于提取圖像中的局部特征。在圖像識(shí)別
    的頭像 發(fā)表于 07-02 14:28 ?746次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的基本原理、結(jié)構(gòu)及訓(xùn)練過(guò)程

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡(jiǎn)稱CNN)是一種深度學(xué)習(xí)算法,廣泛應(yīng)用于圖像識(shí)別、視頻分析、自然語(yǔ)言處理等領(lǐng)域。本文將詳細(xì)介紹卷積
    的頭像 發(fā)表于 07-02 14:21 ?1547次閱讀

    基于毫米波雷達(dá)的手勢(shì)識(shí)別神經(jīng)網(wǎng)絡(luò)

    使用3D-CNN對(duì)三種手勢(shì)進(jìn)行分類,結(jié)果表明識(shí)別率為91%。然而,3D-CNN在數(shù)據(jù)分辨率靈敏度和數(shù)據(jù)要求方面存在局限性。Ref等人的另一項(xiàng)研究[12]介紹了一種定制的多分支卷積
    發(fā)表于 05-23 12:12

    卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)

    卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)? 卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)是一種基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型,在圖
    的頭像 發(fā)表于 12-07 15:37 ?3904次閱讀

    使用Python卷積神經(jīng)網(wǎng)絡(luò)(CNN)進(jìn)行圖像識(shí)別的基本步驟

    Python 卷積神經(jīng)網(wǎng)絡(luò)(CNN)在圖像識(shí)別領(lǐng)域具有廣泛的應(yīng)用。通過(guò)使用卷積神經(jīng)網(wǎng)絡(luò),我們可以
    的頭像 發(fā)表于 11-20 11:20 ?4943次閱讀