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

Institutional repository: FER Repository

Cite this document

Cetinić, E. (2019). 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. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:374132

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

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

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 02 October 2024, https://urn.nsk.hr/urn:nbn:hr:168:374132

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 2024 October 02] Available at: https://urn.nsk.hr/urn:nbn:hr:168:374132

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

Metadata
TitleRačunalno 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
AuthorEva Cetinić
MentorSonja Grgić (mentor)
Committee memberSonja Grgić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
(Department of Communication and Space Technologies)
Zagreb
Defense date and country2019, 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)
Languagecroatian
URN:NBNurn:nbn:hr:168:374132
Study programmeTitle: 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 resourceText
Extent115 str. ; 30 cm
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2020-01-21 10:43:23