FolkTalent: Enhancing Classification and Tagging of Indian Folk Paintings

印度民间绘画拥有丰富的符号、色彩、纹理和故事，使其成为文化遗产的宝库。本文提出了一种新颖的方法，将这些绘画分类为不同的艺术形式，并标记其独特的显著特征。使用印度民间绘画直接出口的网站准备了一个名为FolkTalent的自定义数据集，包括12种不同形式的2279幅数字绘画图像。使用GPT4生成覆盖广泛属性的标签，如颜色、主题、艺术风格和图案，并由专家验证每幅绘画的标签。采用微调的卷积神经网络（CNN）模型和RandomForest集成技术对印度民间绘画进行分类，实现了91.83%的准确率。使用基于CNN的主要微调骨干的自定义分类器完成标记，以执行多标签图像分类。生成的标签提供了对绘画的更深入了解，可以基于主题和视觉属性实现更好的搜索体验。提出的混合模型在民间绘画分类和标记方面树立了新的基准，对印度民间艺术遗产的编目做出了重要贡献。

本论文旨在将印度民间绘画分类为不同的艺术形式，并用其独特的显著特征进行标记，以便更好地保护和记录印度民间艺术遗产。

该论文提出了一种混合模型，使用经过微调的卷积神经网络模型对印度民间绘画进行分类，并使用自然语言生成模型生成标签，以便更好地搜索和理解这些艺术品。

该论文提出了一个自定义数据集FolkTalent，包含2279个数字化图像，覆盖12种不同的民间艺术形式。使用GPT4生成标签，并由专家验证每幅画的标签。分类精度达到91.83%。使用卷积神经网络模型进行多标签图像分类，生成的标签可以更好地理解和搜索艺术品。该论文提出的混合模型在民间绘画分类和标记方面树立了新的基准。

最近的相关研究集中在使用深度学习模型进行图像分类和标记方面，如基于卷积神经网络的图像分类和多标签图像分类。