Розпізнавання художника за картиною
DOI:
https://doi.org/10.30837/bi.2021.1(96).15Ключові слова:
АРХІТЕКТУРА, ГЛИБОКЕ НАВЧАННЯ, ЗГОРТКОВА НЕЙРОННА МЕРЕЖА, ЕПОХА, КАРТИНА, КЛАСИФІКАЦІЯ, НАБІР ДАНИХ, НАВЧАННЯ, ПЕРЕНАВЧАННЯ, ПРОСТІР, СТИЛЬ, ФУНКЦІЯ ВТРАТ, ХУДОЖНИКАнотація
Розроблено алгоритм визначення автора картини із зображення. Завдання є складним, так як сфера мистецтва традиційно погано піддається форма- лізації. До того ж, при обробці потрібно мінімально видозмінювати картини, інакше інформація про стилі може бути втрачена. Алгоритм заснований на сучасних підходах, а саме на згортковій нейронної мережі з архітектурою RegNet. Ця архітектура відома не тільки своєю потужністю, але і цікавим механізмом перевірки гіпотез, який обговорюється в роботі. Для навчання використовується набір даних “Best Artworks of All Time”. У рамках експериментів проводиться навчання з використанням кількох функцій втрат випадкових змін даних, попереднього навчання без вчителя, згасаючої швидкості навчання.
Посилання
I. Radosavovic, R. P. Kosaraju, R. Girshick и др. Designing Network Design Spaces, 2020. URL: https://arxiv.org/ pdf/2003.13678.pdf.
K.He, X. Zhang, S. Ren, J. Sun. Deep Residual Learning for Image Recognition, 2015. URL: https://arxiv.org/ pdf/1512.03385.pdf.
O. Russakovsky J. Deng H. Su и др. ImageNet Large Scale Visual Recognition Challenge, 2015. URL: https://arxiv.org/ pdf/1409.0575.pdf.
Sebastian Ruder An Overview of Multi-Task Learning in Deep Neural Networks, 2020. URL: https://arxiv.org/ pdf/1706.05098.pdf.
S. Gidaris, P. Singh, N. Komodakis Unsupervised Representation Learning by Predicting Image Rotations, 2018. URL: https://arxiv.org/pdf/1803.07728.pdf.
D. P. Kingma и J. L. Ba Adam: A Method for Stochastic Optimization. URL: https://arxiv.org/pdf/1412.6980.pdf.
Y. You J. Li S. Reddi и др. LARGE BATCH OPTIMIZATION FOR DEEP LEARNING: TRAINING BERT IN 76 MINUTES. URL: https://arxiv.org/pdf/1904.00962.pdf.
I. Loshchilov и F. Hutter SGDR: STOCHASTIC GRADIENT DESCENT WITH WARM RESTARTS. URL: https://arxiv. org/pdf/1608.03983.pdf.
N. Srivastava G. Hinton A. Krizhevsky и др. Dropout: A Simple Way to Prevent Neural Networks from Overfitting. URL: https://jmlr.org/papers/volume15/srivastava14a/ srivastava14a.pdf.
X. Li X. Sun Y. Meng и др. Dice Loss for Data-imbalanced NLP Tasks. URL: https://arxiv.org/pdf/1911.02855.pdf.
Документация PyTorch: https://pytorch.org/docs/stable/ index.html.
Сайт Kaggle: https://www.kaggle.com.
Набор данных Best Artworks of All Time: https://www. kaggle.com/ikarus777/best-artworks-of-all-time.
Набор данных WikiART: https://www.kaggle.com/ipythonx/ wikiart-gangogh-creating-art-gan.
