CNN-Based Classification of Persian Miniature Paintings from Five Renowned Schools

要約

この記事では、豊かな文化的および芸術的遺産であるペルシャの細密画に焦点を当てたコンピューターによる絵画分析のギャップについて取り上げます。
これは、畳み込みニューラル ネットワーク (CNN) を使用して、ヘラート、タブリーズ エ アヴヴァル、シラーズ エ アヴヴァル、タブリーズ エ ドヴヴォム、カジャールの 5 つの流派からペルシャの細密画を分類する新しいアプローチを導入しています。
この方法は、平均 91% 以上の精度を達成します。
細心の注意を払って厳選されたデータセットは各学校の特徴を捉えており、パッチベースの CNN アプローチにより画像セグメントを個別に分類してから結果を統合して精度を高めます。
この研究はデジタル アートの分析に大きく貢献し、データセット、CNN アーキテクチャ、トレーニング、検証プロセスに関する詳細な洞察を提供します。
これは、自動化された美術分析、機械学習、美術史、デジタル人文科学の架け橋となる将来の進歩の可能性を強調し、それによってペルシャ文化遺産の保存と理解を支援します。

要約(オリジナル)

This article addresses the gap in computational painting analysis focused on Persian miniature painting, a rich cultural and artistic heritage. It introduces a novel approach using Convolutional Neural Networks (CNN) to classify Persian miniatures from five schools: Herat, Tabriz-e Avval, Shiraz-e Avval, Tabriz-e Dovvom, and Qajar. The method achieves an average accuracy of over 91%. A meticulously curated dataset captures the distinct features of each school, with a patch-based CNN approach classifying image segments independently before merging results for enhanced accuracy. This research contributes significantly to digital art analysis, providing detailed insights into the dataset, CNN architecture, training, and validation processes. It highlights the potential for future advancements in automated art analysis, bridging machine learning, art history, and digital humanities, thereby aiding the preservation and understanding of Persian cultural heritage.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google