融合人类认知网络优化的中国画情感识别

现有中国画研究缺少对画作情感的分析,但画家将生活感悟寄情于美术创作,升华国画的艺术价值.基于此种情况,文中提出融合人类认知优化深度学习网络结构的中国画情感识别算法.首先,根据图像显著性和笔道复杂度提出中国画感兴趣区域提取算法.再使用可视化卷积神经网络提取国画情感特征,并交互式地融合国画情感表达手法知识优化网络结构.最后微调构建的网络预测国画情感.实验将1000幅中国画分为4种情感类别,准确率较高,识别效果较优.消融实验与可视化实验分析网络各层作用,进一步验证文中算法识别中国画情感的能力.

深层网络特征聚合重标定的中国画情感分类算法

情景交融是中国画重要的艺术表现形式,分析并可视化其情感对帮助用户鉴赏和管理国画有重要意义.为此,提出深层网络特征聚合重标定的中国画情感分类算法.(1)依据中国画自身特点优化卷积神经网络,强化对情感贡献大的特征激活.首先,基于接缝裁剪技术重定向国画,在避免变形的同时保留画作笔墨信息;其次,构建多层聚合特征重标定网络模块,聚合模块内卷积层信息,重标定特征响应.(2)提出多类别加权激活定位的类判别映射技术,分别计算各类别相对于卷积层的梯度获得激活定位,并将其加权聚合以突出显示CNN检测到的情感区域,实现中国画情感元素可视化.在1000幅中国画情感数据集上获得85.8%的准确率,相比其他算法,该算法有更高的分类准确度,能够准确定位中国画情感描绘区域.

一种端到端弱监督学习网络模型的中国画情感识别

情感识别是计算机视觉研究中的一个热点,研究中国画表现的情感对于作品鉴赏工作具有重要意义。为了提高识别性能,针对传统卷积神经网络用于提取中国画的局部区域信息会导致有效信息丢失的问题,文章提出一种基于端到端弱监督学习网络方法对中国画情感进行识别。提出的学习网络由2个分类模块和1个情感强度预测模块组成。首先,在改进特征金字塔网络的基础上构建强度预测通道,提取多层次特征。使用基于梯度的类激活映射技术从第一个分类通道生成伪强度映射图,以指导提出的网络进行情感强度学习。将预测的强度图输入到第二分类通道中进行最终的中国画情感识别。最后,在公开数据集上对提出的方法进行了验证,实验结果表明,所提出的网络就混淆矩阵、平均分类准确率、平均情感识别率分别提高了10%,15%和13%。

Brief talk about the application of Chinese painting elements on animation design

Animation design has comprehensive artistic features, so its unique creative and artistic modes decide that animation decision has a certain complexity. Whether in artistic conception design or expression design, Chinese paintings all have the unique mode of thinking. The application of the design elements, thinking elements and performance elements of Chinese painting in animations will let the form, content, style more abundant. Scientific use of Chinese elements can create animation works with Chinese cultural connotation and Chinese aesthetic emotion. It can express the aesthetic needs and aesthetic ideals of Chinese culture, thereby creating a classic cartoon art image with Chinese characteristics. The paper mainly analyzes the application of Chinese painting elements in animation design.