王伟凝　王励　赵明权　蔡成加　师婷婷　徐向民



基于并行深度卷积神经网络的图像美感分类

王伟凝1王励1赵明权1蔡成加1师婷婷1徐向民1

随着计算机和社交网络的飞速发展，图像美感的自动评价产生了越来越大的需求并受到了广泛关注.由于图像美感评价的主观性和复杂性，传统的手工特征和局部特征方法难以全面表征图像的美感特点，并准确量化或建模.本文提出一种并行深度卷积神经网络的图像美感分类方法，从同一图像的不同角度出发，利用深度学习网络自动完成特征学习，得到更为全面的图像美感特征描述;然后利用支持向量机训练特征并建立分类器，实现图像美感分类.通过在两个主流的图像美感数据库上的实验显示，本文方法与目前已有的其他算法对比，获得了更好的分类准确率.

图像美感评估，深度卷积神经网络，并行卷积神经网络，特征提取

引用格式王伟凝，王励，赵明权，蔡成加，师婷婷，徐向民.基于并行深度卷积神经网络的图像美感分类.自动化学报，2016，42（6）：904-914

近年来，随着社交网络的普及和发展，数字图像数量激增.每天被上传和分享的图像都不计其数，大规模图像的自动管理需求越来越大.人们往往倾向于将高质量的照片留存下来.近些年，从美感的角度来评价图像质量受到了越来越广泛的关注［1］.目前，图像的自动美感评估已有许多应用.例如，在图像检索方面，美感质量成为排序算法的重要参考之一；……