20.500.12556/RUL-96248 Globoki modeli avtorstva umetniških slik Deep models of painting authorship Vse več raziskav se osredotoča na problem avtomatskega prepoznavanja slikarjev iz digitaliziranih umetniških slik. V tem delu se omenjenega izziva lotimo na nadzorovan način, z uporabo konvolucijske nevronske mreže, ki je zaradi visoke izrazne moči sposobna napovedovanja velikega števila avtorjev iz nizkoresolucijskih slik. Predlagano rešitev ovrednotimo na tekmovanju spletnega portala Kaggle, kjer je za pare digitalnih umetnin potrebno napovedati, ali sta delo istega slikarja. V nalogi pokažemo, da značilke, izpeljane iz tem in motivov slik, podobno kot nižjenivojske značilke vsebujejo inherentne lastnosti, ki so primerne za razlikovanje med avtorji. An increasing number of studies are investigating how to automatically recognize painters from digital artwork images. We approach this problem in a supervised manner, by training a high-capacity convolutional neural network, capable of predicting a large number of artists from low-resolution scans. We evaluate the proposed solution in a Kaggle competition, in which pairs of paintings need to be classified based on the identity of their authors. The main contribution of our work is the provision of empirical evidence that themes and motifs, similar to low-level features, contain discriminative potential for identifying painters. strojno učenje globoki modeli konvolucijske nevronske mreže umetniške slike machine learning deep models convolutional neural networks artwork images true false false Angleški jezik Slovenski jezik Magistrsko delo/naloga 2017-09-27 13:09:41 2017-09-27 13:09:46 2022-08-10 07:06:37 0000-00-00 00:00:00 2017 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 19557 Ilenic_Nejc_-_Globoki_modeli_avtorstva_umetniskih_slik.pdf Ilenic_Nejc_-_Globoki_modeli_avtorstva_umetniskih_slik.pdf 1 7A17C9C26C514058E50B582CDCEC6373 7ad58f1a9d34a10d949f487b53071fb785a08a23592b4539aa815436635a66f9 df8ff83e-a1b3-11eb-a523-00155dcfd717 20.500.12556/rul/9f962347-f689-4d42-ab01-f738c4b899d9 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=104908 Fakulteta za računalništvo in informatiko 0 0 0