小组项目简介

项目名称 AI艺术鉴赏，看图猜作者

项目简介

“抽象是艺术史上的自然进步，然而算法捕捉到了这一点”。

很多人认为理工男普遍缺乏艺术细菌，不懂欣赏艺术的抽象美，然后现在理工男设计的AI算法已经能够理解艺术。罗格斯大学的艺术与人工智能实验室制作出一套名为CAN（创造性对抗网络）的AI系统，CAN向我们证明人工智能可以理解艺术发展脉络和学习路径，所以软件的任务就是训练模型，识别名画的作者。本次比赛数据集来自49位大师的作品，乔托·迪·邦多纳、毕加索、梵高、安德烈·鲁勃廖夫、提香·韦切利奥等。

我们将制作一个web版的软件，用户上传名画即可得到该图片的描述。

NABCD模型分析

(1) N (Need 需求)

人们有时在欣赏绘画作品时，可能觉得这幅画非常好，想知道这幅画的作者是谁，而这幅画又缺少了作者和相关信息，无法找到它的准确信息，这时可以使用我们的看画识作者网页，录入图片后判断这幅画属于哪位作者，同时介绍这幅画的相关信息。

(2) A (Approach 做法)

要想出色完成识别画作的任务,需要有一些技术和能力上的支持。我们小组中有成员比较熟悉java web，能够进行前端和后端开发，便于把程序部署在网页上。此外，经过了几次实验的练习，我们小组对深度学习有了一些了解，也使用Colab编写了一些深度学习算法，这有助于我们开发出分类准确率比较高的程序。当然，我们还需要合理分工，使每个人能够充分参与到项目的开发中。

(3)B(Benefit 好处)

我们产品的优势在于目标用户明确。对于一幅没有相关信息的画，想要找到它的作者并不容易，也许你会把这幅画截图并求助他人，但其他人可能也不知道这幅画的作者是谁，此时使用我们的产品是快速而高效的。此外我们的产品还能补充画的相关信息，让用户对画有更充分的了解，步入艺术的殿堂。用户使用我们产品的成本也是极低的，仅需打开网页并上传一张图片即可。

(4) C (Competitors 竞争)

在当前的市场中，看画识作者这项技术还不成熟，所以我们编写的程序有着一定的先行优势。市场上的其他类似产品，其分类准确率可能不是特别高，如果一个用户录入一幅画后得到了错误的信息，他应该再也不会使用这个产品了。因此提高分类的准确率是我们程序要做的首要步骤，这需要大量的测试以进行改进，此外，把网页设计得比较精美、具有新鲜感也能吸引用户的注意。

(5)D (Delivery 交付， Data 数据）

我们的项目是部署在网页上的，因此用户可能在浏览网页的过程中进入了我们设计的网站。但我们不能寄希望于用户随机点击到我们的网站，我们可以把自己产品的设计过程放在CSDN上并贴上网址，这样有兴趣的人会进入我们的网页，或者和某些网站进行合作(比如博客园),把自己的网页部署到企业的子网下，这样也能大大提高点击率。我们项目预计发布后一周的用户量在一千左右(取决于产品质量和宣传效果)。

电梯演说

我们项目的亮点在艺术和AI的巧妙结合。长期起来，人们认为艺术和AI是完全不沾边的两样东西，人们对于绘画作品的分辨，往往是以人的经验来作为依据的。而我们的项目将会证明，AI也能去欣赏人类艺术大师的绘画作品，也能去欣赏与感受美，这无疑是非常新颖的。对于经过充分训练的深度学习模型，我们会证明其的分类能力不亚于人类。我们的项目会以较高的分类准确率来表现AI的画作识别能力，让用户感受AI之美。