基于卷積神經(jīng)網(wǎng)絡(luò)的畢加索繪畫藝術(shù)風(fēng)格分類研究*

楊 波 李航高 龔智強(qiáng) 詹 屹

（中南民族大學(xué) 武漢 430074）

1 引言

畢加索，一個(gè)勤奮多產(chǎn)的畫家，他的一生中共計(jì)創(chuàng)作了6 萬(wàn)多幅作品。在其作品的藍(lán)色時(shí)期，因生活不幸，好友自殺，這個(gè)時(shí)期畫作中充滿了悲涼憂郁的氛圍，頻繁使用藍(lán)色。遷居巴黎后，畢加索結(jié)識(shí)菲爾南德·奧里威爾。這一時(shí)期是他人生中難得的幸福時(shí)光，繪畫中嬌羞的玫瑰紅代替了陰郁藍(lán)色，這一時(shí)期的作品被稱為粉色時(shí)期。進(jìn)入古典時(shí)期后畢加索在造型上喜歡使用幾何圖形來(lái)創(chuàng)作，色調(diào)也變成了更加深沉的褐色為主。在結(jié)識(shí)馬蒂斯后，畢加索從野獸派那里吸收了黑人雕刻手法，并將其應(yīng)用到作品中，這一時(shí)期的顏色偏向于黑褐色。創(chuàng)作了《亞威農(nóng)的少女》之后，畢加索在創(chuàng)作風(fēng)格上拋棄了前人的束縛，物體表現(xiàn)上更加的扭曲，色彩也更加的豐富多樣，繪畫的風(fēng)格多變，從此開(kāi)創(chuàng)了一個(gè)新的繪畫風(fēng)格——立體主義風(fēng)格。而后不久，畢加索的作品又迅速轉(zhuǎn)入超現(xiàn)實(shí)主義風(fēng)格中。畢加索繪畫作品風(fēng)格有近20 種，對(duì)其作品進(jìn)行藝術(shù)風(fēng)格分類是一件非常有意義和必要的工作［1～2］。

目前有大量文獻(xiàn)利用計(jì)算機(jī)技術(shù)對(duì)藝術(shù)作品進(jìn)行分析與研究［3］。Zoe Falomir 基于定性顏色描述符、定量全局特征和機(jī)器學(xué)習(xí)（QArt-Learn）對(duì)巴洛克、印象派和后印象派三種風(fēng)格的多個(gè)不同畫家的繪畫進(jìn)行風(fēng)格分類［4］；陳光喜基于深度學(xué)習(xí)的油畫分類網(wǎng)絡(luò)模型使用CNN 實(shí)現(xiàn)油畫風(fēng)格分類［5］。Shuqiang Jiang 等使用1799 幅工筆、1889 幅寫意畫的數(shù)據(jù)集，建立支持向量機(jī)模型對(duì)傳統(tǒng)中國(guó)畫進(jìn)行顏色分類［6］。Gatys，Ecker 使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)油畫的繪畫風(fēng)格和油畫內(nèi)容實(shí)現(xiàn)分離，重新編碼從而實(shí)現(xiàn)了機(jī)器創(chuàng)作不用風(fēng)格的油畫的模型［7～9］。江西農(nóng)業(yè)大學(xué)的實(shí)驗(yàn)團(tuán)隊(duì)研究水稻的生長(zhǎng)成熟過(guò)程，使用了HSV 和RGB 色彩空間的不同的特征參數(shù)與SPAD 值之間的關(guān)系的研究［10］，這種研究方法也對(duì)本實(shí)驗(yàn)提供了參考。

本文主要針對(duì)畢加索繪畫作品實(shí)現(xiàn)風(fēng)格分類，而畢加索在不同的時(shí)期和不同風(fēng)格的作品中，其色彩的色調(diào)、明度、飽和度等特征迥異，因此色彩特征可以作為區(qū)分繪畫風(fēng)格的重要特征。本文將通過(guò)HSV 和RGB 兩種色彩空間模型描述作品特征，通過(guò)建立卷積神經(jīng)網(wǎng)絡(luò)模型和支持向量機(jī)模型實(shí)現(xiàn)對(duì)畢加索繪畫風(fēng)格分類。

2 基于卷積神經(jīng)網(wǎng)絡(luò)的分類算法設(shè)計(jì)

2.1 數(shù)據(jù)預(yù)處理

本文選取了畢加索繪畫作品風(fēng)格中最具代表性的8 種風(fēng)格，分別為現(xiàn)實(shí)主義風(fēng)格、藍(lán)色時(shí)期、粉紅時(shí)期、非洲原始風(fēng)格（面具臉）、分析立體主義風(fēng)格、綜合立體主義風(fēng)格、新古典主義風(fēng)格和超現(xiàn)實(shí)主義風(fēng)格，如圖1 所示。并將作品圖像轉(zhuǎn)換為RGB圖像和HSV圖像如圖2所示。

圖1 畢加索繪畫作品風(fēng)格

圖2 上排為RGB色彩空間圖像，下排為HSV色彩空間圖像

本文通過(guò)爬蟲技術(shù)收集各大博物館網(wǎng)站高清彩色圖像1158 張，將圖像和相關(guān)的標(biāo)記存入本地?cái)?shù)據(jù)庫(kù)中，構(gòu)成自建數(shù)據(jù)集，如圖3 所示。再將全部圖片轉(zhuǎn)換成32 像素×32 像素×3 通道的圖片，并將轉(zhuǎn)化結(jié)果作為神經(jīng)網(wǎng)絡(luò)的原始輸入。

圖3 畢加索繪畫作品數(shù)據(jù)庫(kù)

本實(shí)驗(yàn)中將網(wǎng)絡(luò)上下載的數(shù)據(jù)存放在MySQL（8.0.19 MySQL Community Server-GPL）數(shù)據(jù)庫(kù)中。

2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的特征提取方法

原始輸入圖像為32像素×32像素，從三個(gè)通道進(jìn)行卷積運(yùn)算，卷積運(yùn)算使用的濾波器（卷積核）規(guī)格尺寸分別使用5×5 和4×4［11］，濾波器數(shù)量分別是20 個(gè)和40 個(gè)，第一層主要提取的是圖像的細(xì)節(jié)特征，第二層進(jìn)行更大視野的特征提取，最后會(huì)將三維的特征向量轉(zhuǎn)化為一維特征向量。

模型的詳細(xì)設(shè)計(jì)結(jié)構(gòu)如圖4 所示，原始輸入圖像分別經(jīng)過(guò)兩次卷積和池化運(yùn)算，再經(jīng)過(guò)全連接層的分類完成模型訓(xùn)練的流程。

圖4 模型詳細(xì)設(shè)計(jì)結(jié)構(gòu)流程圖

2.3 模型訓(xùn)練

本文的模型訓(xùn)練流程如圖5 所示，為了防止數(shù)據(jù)集和模型之間的過(guò)擬合問(wèn)題，加入了dropout層［12］，以提高模型對(duì)與數(shù)據(jù)集的通用性，并按0.0001數(shù)量級(jí)值設(shè)置學(xué)習(xí)率。

圖5 模型訓(xùn)練完整流程圖

本文使用交叉熵定義模型的損失函數(shù)［13］，交叉熵函數(shù)能體現(xiàn)圖像真實(shí)風(fēng)格和預(yù)測(cè)風(fēng)格分類之間的差異性。交叉熵的值越小，預(yù)測(cè)值和真實(shí)值就更加的接近。最為直接的展現(xiàn)就是模型的預(yù)測(cè)精確度越高。

由式（1）所示，交叉熵計(jì)算公式中的p（Xi）和q（Xi）是兩個(gè)概率分布，交叉熵衡量的是對(duì)一個(gè)隨機(jī)變量，兩個(gè)概率分布的相似度。

3 實(shí)驗(yàn)與分析

3.1 實(shí)驗(yàn)流程

本實(shí)驗(yàn)基于TensorFlow 機(jī)器學(xué)習(xí)框架［14～15］，實(shí)驗(yàn)流程如圖6 所示，分為訓(xùn)練模塊、驗(yàn)證模塊與可視化模塊。使用LibSVM 工具箱進(jìn)行分類，通過(guò)窮舉法對(duì)參數(shù)進(jìn)行調(diào)整，以得到更優(yōu)化分類結(jié)果。

圖6 實(shí)驗(yàn)完整的流程圖

3.2 實(shí)驗(yàn)結(jié)果

本實(shí)驗(yàn)原始輸入圖像總共分為RGB 和HSV 兩大類，每類中各有8 種繪畫風(fēng)格，每種風(fēng)格的訓(xùn)練集135 張，驗(yàn)證集15 張。 每個(gè)大類都使用同一個(gè)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最終結(jié)果產(chǎn)生兩個(gè)數(shù)據(jù)模型文件。在進(jìn)行模型驗(yàn)證的時(shí)候，加載不同色彩空間各自對(duì)應(yīng)的模型文件進(jìn)行驗(yàn)證。兩大類數(shù)據(jù)在訓(xùn)練模型中迭代1000 次，收斂速度非常接近，并不存在特別大的區(qū)別，見(jiàn)圖7。

圖7 HSV 和RGB的收斂速度對(duì)比（1000次迭代訓(xùn)練）

收斂速度相同主要原因是使用的相同的算法模型和參數(shù)，輸入圖像大小相同，進(jìn)行卷積運(yùn)算的時(shí)候平均損失值是基本相同的。本實(shí)驗(yàn)還采用了YUV 色彩模型進(jìn)行計(jì)算，所得到的結(jié)果在收斂速度上并沒(méi)有太多的差異。

根據(jù)實(shí)驗(yàn)最后得到的數(shù)據(jù)，采用RGB 色彩空間模型進(jìn)行分類的準(zhǔn)確率能夠達(dá)到50%，采用HSV色彩空間模型分類準(zhǔn)確率能為58.2%，如圖8所示。

圖8 HSV 和RGB的準(zhǔn)確率對(duì)比

由此可知由于HSV 色彩空間模型包含了色相、明度、純度等顏色特征，相對(duì)于RGB 色彩空間模型而言更加適合作為風(fēng)格分類數(shù)據(jù)輸入。

4 結(jié)語(yǔ)

為了對(duì)畢加索不同時(shí)期繪畫作品的風(fēng)格進(jìn)行分類，本文采用了RGB 色彩模型和HSV 色彩模型對(duì)1000 余張圖像進(jìn)行處理，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)風(fēng)格特征進(jìn)行提取，使用支持向量機(jī)對(duì)數(shù)據(jù)進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明采用兩種色彩空間模型其運(yùn)算收斂速度相同，而HSV 色彩空間模型相對(duì)RGB 色彩模型包含更多顏色特征，比RGB 模型更適合做繪畫風(fēng)格分類數(shù)據(jù)輸入。