Fundamental visual features for aesthetic classification of photographs across datasets

افزایش اخیر و چشمگیر عکسهای آنلاین باعث ایجاد سیستم های هوش مصنوعی می شود که تصاویر را بر زیبایی شناسی آنها ارزیابی می کند تا فیلتر کردن عکس ها و ارائه محتوا برای آنها لذت بخش تر باشد. این مقاله یک رویکرد جدید با الهام از یافته های در روانپزشکی و علوم اعصاب، برای ایجاد طبقه بندی زیبایی شناختی متقابل مجموعه ای است که با استخراج یک مجموعه کارآمد از ویژگی های از تصاویر یاد می گیرد. با الهام از ویژگی های پایین در حال حاضر در فرایند بصری در انسان، سیستم هوش مصنوعی توزیع درصد برای جهت گیری، منحنی، رنگ و تقارن بازتاب جهانی است. پس از شناختن قضاوت زیبایی شناختی افراد بر روی تصاویر، ویژگی ها پس از آن به یک شبکه عصبی عمیق تحت تنها 114 ورودی تغذیه می شوند. پس از آموزش، سیستم پیشنهادی در دسته بندی تصاویر غیر قابل مشاهده بر اساس زیبایی شناسی آنها به سطح پیشرفته، حتی در مجموعه داده های متفاوت از مجموعه داده های آموزش اولیه موفق بود. تجزیه و تحلیل تفاوت در ویژگی های استخراج شده بین تصاویر زیبایی شناختی و ضعیف برجسته ترجیحات زیبایی شناختی انسان در صحنه های دو بعدی استاتیک، مانند ترجیح خط رنگ آبی یا افقی است. با یادگیری از ویژگی های الهام گرفته از مغز، امیدوار است که انتقال دانش تخصص زیبایی شناختی در عکس ها نسبت به سایر انواع رسانه های تصویری (نقاشی، فیلم و غیره) امکان پذیر باشد.