Розпізнавання художника за допомогою згорткових нейронних мереж

Abstract

У роботі досліджено задачу автоматичної ідентифікації художника за зображенням живописного твору за допомогою згорткових нейронних мереж. Розглянуто застосування моделей VGG16, ResNet50, InceptionV3, EfficientNetB0 та EfficientNetB1 у поєднанні з техніками трансферного навчання, аугментації та тонкого донавчання. Проведено експериментальне порівняння моделей на основі точності класифікації, що показало перевагу EfficientNetB0 в умовах обмеженого набору даних. Отримані результати демонструють ефективність глибокого навчання для задач стилістичної атрибуції творів мистецтва.

This work explores the task of automatic artist identification based on images of paintings using convolutional neural networks. The study evaluates the performance of several architectures – VGG16, ResNet50, InceptionV3, EfficientNetB0, and EfficientNetB1 – combined with transfer learning, data augmentation, and fine tuning techniques. An experimental comparison of the models based on classification accuracy reveals that EfficientNetB0 performs best under limited data conditions. The results demonstrate the effectiveness of deep learning approaches for the stylistic attribution of artworks.