要約
絵画の芸術的スタイル（または芸術運動）は、絵画に関する視覚的および歴史的情報を豊かに捉える記述子である。大規模な芸術データベースのインデキシングにおいて、絵画の芸術的スタイルを正しく識別することは極めて重要である。本論文では、深層畳み込みニューラルネットワーク（深層残差ネットワーク）を用いて、絵画の芸術的スタイルを検出する問題に取り組み、Wikipaintingsデータセット（25種類のスタイル）において、既存の手法をほぼ10%の性能向上で上回ることを示した。この成果を得るため、ネットワークはまずImageNetで事前学習を行い、その後芸術的スタイルの分類に特化して深度学習による再学習を実施した。実証的に、最良の性能を得るためには約20層を再学習する必要があることを確認した。これは、二つのタスクの間に想定通りの類似性があることを示しており、従来の手作業による特徴量抽出手法の成功を説明する根拠となる。さらに、Wikipaintingsデータセット上で検出されたスタイルが、独立した別のデータセット上で得られたスタイルと整合性を有していることを実証し、本手法の有効性を定性的および定量的に検証するための多数の実験を報告している。