摘要
图像志学（Iconography）是艺术研究中的一个学科，旨在通过分析艺术作品的视觉内容，识别其主题与母题，并刻画这些主题在表现方式上的特征。该领域因多种研究目的而持续活跃，包括意义的阐释、图像表现形式在时间与空间中的起源与传播研究，以及艺术家与艺术作品之间相互影响的探析。随着艺术图像数字档案的迅速增长，利用计算机视觉技术对艺术图像进行前所未有的大规模分析成为可能，这为图像志研究与教学提供了有力支持。本文提出一个用于图像志分类的新绘画数据集，并展示了将卷积神经网络（Convolutional Neural Network, CNN）分类器应用于艺术作品图像志识别任务的定量与定性分析结果。所提出的分类器在识别基督教宗教绘画中的圣徒这一任务中表现优异，取得了71.17%的精确率（Precision）、70.89%的召回率（Recall）、70.25%的F1分数（F1-Score）以及72.73%的平均精确率（Average Precision）。该任务因不同类别间视觉特征高度相似而极具挑战性。定性分析表明，CNN模型能够聚焦于刻画每位圣徒的传统图像母题，并有效利用这些视觉线索实现准确识别。本研究的最终目标是实现图像志元素的自动提取、分解与比对，从而为图像志学研究提供支持，并推动艺术作品的自动化图像标注。