Using neural networks to classify paintings by art style

Uczenie głębokie przy pomocy sieci neuronowych znajduje szerokie zastosowania w coraz większej ilości dziedzin nauki. Często prześciga człowieka pod względem szybkości i precyzji w ocenie. Celem pracy jest przedstawienie możliwości i skuteczności działania sieci neuronowych pod względem klasyfikacji obrazów malarskich według stylu sztuki. Jest to zagadnienie o tyle wyjątkowe na tle większości naukowych obszarów, w których sieci neuronowe osiągają imponujące wyniki, że sztuka może podlegać bardzo subiektywnej ocenie. Na potrzeby badania poddano treningowi trzy popularne modele sieci neuronowych - ResNet34, AlexNet oraz MobileNetV2. Dodatkowo każdy z modeli został wytrenowany na zbiorze przykładów powiększonym o obrazy poddane przetwarzaniu takiemu jak rotacja i odbicia. Sprawdzono więc jak na ostateczne wyniki, wpływa augmentacja zbioru. Skuteczność modeli w badanym problemie klasyfikacji oceniono i porównano przy pomocy kilku metryk.

Deep learning using neural networks is finding wide applications in an increasing number of scientific fields. It often outperforms humans in terms of speed and precision in evaluation. The aim of this thesis is to present the effectiveness of neural networks in classification of paintings by art style. This issue is unique from the perspective of most scientific areas in which neural networks achieve impressive results. Works of art for example can be subject to very individual evaluation.Three popular neural network models - ResNet34, AlexNet and MobileNetV2 were trained in order to conduct this particular study. Each model was trained on a set of examples augmented with images processed by rotation and flipping, in order to observe how the final results are affected by the augmentation of the set. The effectiveness of the models in the classification problem studied was evaluated and compared using several metrics.