邓 旭，赵连军，郇 静

(山东理工大学 计算机科学与技术学院，山东 淄博 255000)

0 引 言

艺术家识别是指在没有其它元数据的情况下，仅给定图像的情况下识别作品的艺术家。这一领域的专家需要很长时间来学习各种艺术家的风格，然后才能分析绘画作品。此外，即使具有专业知识，艺术家的身份也很难确定，因为一个艺术家的风格在不同的绘画作品中有很大的差异。通过机器学习，可以为专家提供基本估计，以减少必要的时间和精力，并使经验不足的人更容易识别艺术家身份。

在这项工作中，前人做了很多工作。Qian等主要是将自然图像进行油画、粉笔画等艺术风格模拟，或者是针对油画等西方画进行艺术风格分析[1]。Wang等提出了复合特征的自适应遴选及对水墨画风格描述的优化，其还通过提取多种底层异构视觉特征对国画风格进行描述，对国画作者进行分类预测[2]。Saleh和Elgammal使用了GIST、Classemes和PiCoDes特征[3]。Misumi等利用SIFT特征对3种不同风格的作品进行分类[4]。Sahu等利用局部二元模式(local binary patterns)、颜色直方图(color histograms)、HOG和GIST对作品美学评估分类[5]。

近年来，深度学习的卷积神经网络模型在图像识别上取得了很大的进步，例如在ImageNet上top-5分类的错误率仅有3.6%[6]。相比于浅层的特征提取，深度学习的深层网络结构可以逐层进行特征提取，这些特征更容易被分类识别。

卷积神经网络(CNNs)能够将图像内容和图像风格分开识别，并通过风格迁移可以将一幅画的艺术风格迁移到另一幅画上面[7,8]。Li等通过将VGG-F模型直接应用于中国画作风格识别问题，取得了很好的成果[9]。……