《表1 0 绘画物体识别与检测任务的公开数据集》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《绘画艺术图像的计算美学:研究前沿与展望》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

目前，绘画艺术图像内容理解的研究刚刚起步，还没有出现大规模、高质量的标注数据集，因此，算法的性能没有统一的对比平台，表12展示了典型的绘画艺术图像内容理解方法及其性能.在绘画的物体识别与检测中，常用的评价指标包含准确率和包围框的召回率等，比如各类别平均准确率的均值（Mean average precision，m AP）.在绘画的内容描述中，文字检索方法的常用评价指标是召回率，比如前10个检索结果对应的召回率（Rcall@10）；描述生成方法的评价指标通过生成文字和标注文字间的相似性计算得到，常用的评价指标包括BLEU评分[106]和CIDEr评分[107]等.表12中的典型方法分别在绘画艺术图像的物体识别、物体检测、描述检索、描述生成、视觉问答5种任务上进行了尝试，为未来的研究提供了参考基准.