Šio darbo tikslas - atlikti klasifikatorių ir duomenų rinkinių analizę, siekiant sukurti įrankį (kuris gali būti pateiktas kaip darbalaukio programa ar internetinė informacinė sistema), skirtą nuotraukų klasifikavimui pagal estitinius požymius. Šiame darbe naudojami literatūros šaltiniai: - Analyzing aesthetic quality of photos using deep neural networks – bakalauro darbas, pagrįstas AVA duomenų rinkiniu ir NIMA modeliu (University of Groningen, 2020): https://pure.rug.nl/ws/portalfiles/portal/1220553820/3716820.pdf - Photo composition assessment and improvement using deep convolutional networks – publikuotas straipsnis, nagrinėjantis kompozicijos vertinimą pagal rule of thirds, simetriją ir balansą: https://www.tandfonline.com/doi/pdf/10.1080/08839514.2020.1839197 - Composition-Aware Image Aesthetics Assessment – WACV 2020 konferencijos straipsnis apie gilesnę AI analizę, atsižvelgiant į kompozicijos struktūrą: https://openaccess.thecvf.com/content_WACV_2020/papers/Liu_Composition– Aware_Image_Aesthetics_Assessment_WACV_2020_paper.pdf -Learning photographic global composition aesthetics with deep CNNs – tyrimas apie tai, kaip giliai neuroniniai tinklai vertina visos nuotraukos kompoziciją: https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=8fc1a12aed748837178c22f62ac1f55ad54cb365
Duomenų rinkiniai analizei: - AVA dataset (250K nuotraukų) – plačiausiai naudojamas rinkinys su žmonių estetikos balais (1–10), minimas daugelyje tyrimų, taip pat ir Groningen bakalauro darbe. - AVA-PCap / AVA-Captions – išplėstiniai AVA variantai su komentarais ir aprašymais, tinkami turinio analizei. - FLICKR-AES (40K) – nuotraukos iš Flickr, vertintos 1–5 skalėje, tinka modelių palyginimui. - AADB (10K) – turi papildomus vizualinius atributus, naudingus kompozicijos analizei.
The aim of this work is to perform an analysis of classifiers and datasets in order to create a tool (which can be provided as a desktop application or an online information system) for classifying photographs based on aesthetic attributes. References used in this work: - Analyzing aesthetic quality of photos using deep neural networks – bachelor’s thesis based on the AVA dataset and the NIMA model (University of Groningen, 2020): https://pure.rug.nl/ws/portalfiles/portal/1220553820/3716820.pdf - Photo composition assessment and improvement using deep convolutional networks – published article examining composition assessment based on the rule of thirds, symmetry and balance: https://www.tandfonline.com/doi/pdf/10.1080/08839514.2020.1839197 - Composition-Aware Image Aesthetics Assessment – WACV 2020 conference paper on deeper AI analysis taking into account composition structure: https://openaccess.thecvf.com/content_WACV_2020/papers/Liu_Composition– Aware_Image_Aesthetics_Assessment_WACV_2020_paper.pdf -Learning photographic global composition aesthetics with deep CNNs – a study on how deep neural networks assess the composition of an entire photo: https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=8fc1a12aed748837178c22f62ac1f55ad54cb365
Datasets for analysis: - AVA dataset (250K photos) – the most widely used set with human aesthetic scores (1–10), mentioned in many studies, including Groningen bachelor thesis. - AVA-PCap / AVA-Captions – extended versions of AVA with comments and descriptions, suitable for content analysis. - FLICKR-AES (40K) – photos from Flickr, rated on a scale of 1–5, suitable for model comparison. - AADB (10K) – has additional visual attributes useful for composition analysis.
| Bakalauro kursinio darbo | | Bakalauro baigiamojo darbo |
| Paslaugų integracija (moderniųjų informacinių sistemų, paslaugų ar kitų išorinių komponentų integracija pagal taikymo sritį, architektūrinių sprendinių kūrimas bei tyrimai, įskaitant įvairių taikomųjų sričių signalų apdorojimo uždavinius) |
| Duomenų modeliavimas (reliacinių, struktūruotų ir nestruktūruotų duomenų modeliavimas, duomenų valdymo ir specializuotų duomenų bazių taikymai ir tyrimai) |
| Moderniosios interneto paslaugos (moderniųjų interneto paslaugų kūrimas ir jų tyrimai kontekstualizuotose aplinkose, pavyzdžiui, mobiliose, mikro servisuose) |