Reconnaissance automatique du style artistique dans les peintures à l’aide du deep learning

Le style artistique (ou mouvement artistique) d’un tableau est un descripteur riche qui capture à la fois des informations visuelles et historiques concernant l’œuvre. Identifier correctement le style artistique d’un tableau est essentiel pour l’indexation de grandes bases de données artistiques. Dans cet article, nous étudions l’usage de réseaux neuronaux résiduels profonds afin de résoudre le problème de détection du style artistique, et nous surpassons les approches existantes d’environ 10 % sur le jeu de données Wikipaintings (pour 25 styles différents). Pour atteindre ce résultat, le réseau est d’abord pré-entraîné sur ImageNet, puis réentraîné en profondeur pour la détection de style artistique. Nous évaluons empiriquement que, pour obtenir les meilleurs résultats, il est nécessaire de réentraîner environ 20 couches. Cela suggère que les deux tâches sont aussi similaires qu’attendu, ce qui explique le succès précédent des caractéristiques conçues manuellement. Nous montrons également que les styles détectés sur le jeu de données Wikipaintings sont cohérents avec ceux identifiés sur un jeu de données indépendant, et décrivons plusieurs expériences menées pour valider cette approche, tant qualitativement que quantitativement.