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

Cetinić, Eva

prikaz prve stranice dokumenta Računalno otkrivanje stilskih obilježja slikarskih djela utemeljeno na analizi značajki slike više razine

Download
PDF 56.02 MB

doctoral thesis

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

Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. urn:nbn:hr:168:374132

Cetinić, Eva

University of Zagreb
Faculty of Electrical Engineering and Computing
Department of Communication and Space Technologies

Cite this document

APA 6th Edition

Cetinić, E. (2019). Računalno otkrivanje stilskih obilježja slikarskih djela utemeljeno na analizi značajki slike više razine (Doctoral thesis). Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:374132

MLA 8th Edition

Cetinić, Eva. "Računalno otkrivanje stilskih obilježja slikarskih djela utemeljeno na analizi značajki slike više razine." Doctoral thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. https://urn.nsk.hr/urn:nbn:hr:168:374132

Chicago 17th Edition

Harvard

Cetinić, E. (2019). 'Računalno otkrivanje stilskih obilježja slikarskih djela utemeljeno na analizi značajki slike više razine', Doctoral thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 09 February 2023, https://urn.nsk.hr/urn:nbn:hr:168:374132

Vancouver

Cetinić E. Računalno otkrivanje stilskih obilježja slikarskih djela utemeljeno na analizi značajki slike više razine [Doctoral thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2019 [cited 2023 February 09] Available at: https://urn.nsk.hr/urn:nbn:hr:168:374132

IEEE

E. Cetinić, "Računalno otkrivanje stilskih obilježja slikarskih djela utemeljeno na analizi značajki slike više razine", Doctoral thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2019. Available at: https://urn.nsk.hr/urn:nbn:hr:168:374132

Cite this item: https://urn.nsk.hr/urn:nbn:hr:168:374132

Please login to the repository to save this object to your list.

Metadata

Title	Računalno otkrivanje stilskih obilježja slikarskih djela utemeljeno na analizi značajki slike više razine
Title (english)	Computational detection of stylistic properties of paintings based on high-level image feature analysis
Author	Eva Cetinić
Mentor	Sonja Grgić (mentor)
Committee member	Sonja Grgić (član povjerenstva)
Granter	University of Zagreb Faculty of Electrical Engineering and Computing (Department of Communication and Space Technologies) Zagreb
Defense date and country	2019, Croatia
Scientific / art field, discipline and subdiscipline	TECHNICAL SCIENCES Computing Data Processing
Universal decimal classification (UDC)	621.3 - Electrical engineering
Abstract	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.
Abstract (english)	The increasing availability of large digitized fine art collections opens new research perspectives in the intersection of artificial intelligence and art history. The main research objective of this thesis is the development of methods for computational detection and analysis of stylistic properties of paintings. Motivated by the successful performance of Convolutional Neural Networks (CNN) for a wide variety of computer vision tasks, this thesis explores the use of CNNs for learning features that are relevant for understanding stylistic properties of paintings. The proposed approach addresses three levels of analysing paintings: categorization, formal analysis and perceptual analysis. The first level of analysis corresponds to the task of automated image classification. Different CNN fine-tuning strategies are explored and state-of-the-art results are achieved for several art-related classification tasks. The second level of formal analysis includes training CNN regression models to predict values of features that quantify specific stylistic properties relevant for art history. The third level of perceptual analysis involves quantitative approaches to highly subjective aspects of perceiving artworks. CNN models are employed to predict scores related to three subjective aspects of human perception: aesthetic evaluation of the image, sentiment evoked by the image and memorability of the image. The presented approach enables new ways of exploring fine art collections based on highly subjective aspects of art, as well as represents one step forward towards bridging the gap between traditional formal analysis and computational analysis of fine art.
Keywords
Keywords (english)
Language	croatian
URN:NBN	urn:nbn:hr:168:374132
Study programme	Title: Electrical Engineering and Computing Study programme type: university Study level: postgraduate Academic / professional title: Doktor znanosti elektrotehnike i računarstva (Doktor znanosti elektrotehnike i računarstva)
Type of resource	Text
Extent	115 str. ; 30 cm
File origin	Born digital
Access conditions	Open access
Terms of use
Repository	FER Repository
Created on	2020-01-21 10:43:23