Clasificación de obras de arte por estilo artístico usando redes neuronales convolucionales

Pérez Roldán, Ismael (2019). Clasificación de obras de arte por estilo artístico usando redes neuronales convolucionales. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. de Sistemas Informáticos (UPM), Madrid.

Description

Title: Clasificación de obras de arte por estilo artístico usando redes neuronales convolucionales
Author/s:
  • Pérez Roldán, Ismael
Contributor/s:
  • Ortega Requena, Fernando
Item Type: Final Project
Degree: Grado en Ingeniería del Software
Date: July 2019
Subjects:
Freetext Keywords: Redes Neuronales Convolucionales
Faculty: E.T.S.I. de Sistemas Informáticos (UPM)
Department: Sistemas Informáticos
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (1MB) | Preview
[img] Archive (ZIP) - Users in campus UPM only
Download (110kB)

Abstract

Este proyecto esta orientado a la exploración y la investigación de la clasificación de cuadros a partir del movimiento artístico al que pertenece, para ello buscaremos aplicar nuestros conocimientos para desarrollar una red neuronal que sea capaz de clasificar con la máxima precisión que nos sea posible. Con esta finalidad buscaremos reunir un conjunto de datos de unas dimensiones considerables de cuadros, etiquetar cada imágen por el movimiento al que pertenece, que en esta ocasión será un conjunto de imágenes obtenido a partir de la web wikiart.org en la cual se pueden encontrar imágenes de cuadros clasificadas por artistas y por el movimiento al que pertenecieron. Para la clasificación de estos cuadros, se desarrollará un red neuronal convolucional, debido a las diversas ventajas que nos ofrece este tipo de redes, que sea capaz de clasificar los cuadros de nuestro conjunto de datos a partir de los movimientos a los que pertenecen. Partiendo de la premisa de que a lo largo de la historia han existido gran cantidad de estilos, hemos considerado adecuado, ya que este proyecto tiene una finalidad exploratoria, que el número de movimientos artísticos que nuestra red fuera capaz de clasificar fuera cinco. La red que desarrollemos deberá tener la máxima precisión que seamos capaces de obtener siendo aplicados exclusivamente nuestros conocimientos en el ámbito de las redes neuronales convolucionales y el arte. Consideraremos como satisfactorio un modelo que sea capaz de obtener unos resultados con una precisión igual o superior al 50 %. Se expondrán las redes por las que hemos pasado hasta llegar a una red que satisfaga nuestras necesidades y análizaremos los resultados del modelo que consideremos como adecuado, intentando deducir a partir de la mátriz de confusión obtenida cuales son las características aprendidas por nuestra red respecto a los movimientos artísticos que hemos seleccionado para la clasificación. Para finalizar, expondremos posibles formas de mejorar tanto este proyecto como el módelo que hemos utilizado para clasificar. Abstract: This project is oriented to the exploration and research of the classification of pictures from the artistic movement to which it belongs, for this we will seek to apply our knowledge to develop a neural network that is able to classify as accurately as possible. With this purpose we will seek to collect a set of data of considerable dimensions of frames, label each image by the movement to which it belongs, which in this case will be a set of images obtained from the web wikiart.org in which you can find images of paintings classified by artists and by the movement to which they belonged. For the classification of these tables, a convolutional neuronal network will be developed, due to the diverse advantages offered by this type of networks, which is able to classify the tables of our data set from the movements to which they belong. Starting from the premise that throughout history there have been many styles, we have considered adequate, since this project has an exploratory purpose, that the number of artistic movements that our network was able to classify out of five. The network that we develop must have the maximum precision that we are able to obtain, being exclusively applied our knowledge in the field of convolutional neural networks and art. We will consider as satisfactory a model that is capable of obtaining results with an accuracy equal to or greater than 50 %. The networks through which we have passed will be exposed to reach a network that meets our needs and we will analyze the results of the model that we consider adequate, trying to deduce from the obtained confusion matrix what are the characteristics learned by our network with respect to the artistic movements that we have selected for the classification. Finally, we will discuss possible ways to improve both this project and the model we have used to classify.

More information

Item ID: 56163
DC Identifier: http://oa.upm.es/56163/
OAI Identifier: oai:oa.upm.es:56163
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 03 Sep 2019 07:53
Last Modified: 03 Sep 2019 07:53
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM