Estimating image aesthetic value using a content-based convolutional neural network architecture

Abstract

Na última década, a propagação de métodos de aprendizado de máquina despertou o interesse de pesquisadoras em investigar suas aplicações no campo de visão computacional. As implementações mais populares abrangem diversas áreas de estudo, de classificação de objetos até imagens biomédicas. Dentro destas áreas o estudo de qualidade de imagens atraiu muita atenção devido as suas aplicações em edição digital de imagens, otimização de motores de busca e otimização de redes de computadores. Diversos trabalhos destacaram o potencial de sistemas classificadores de imagens sem referência, contudo a maioria destes trabalhos se concentraram nos atributos de qualidade da imagem e descosideraram a sua estética. A estética é um atributo importante que provoca o interesse de uma observadora e tem um papel importante na comunicação visual. Neste trabalho, nós analisamos diversos estudos que desenvolveram métodos para quantificar a qualidade estética de uma imagem, tais métodos abrangem desde descritores desenvolvidos à mão quanto descritores desenvolvidos utilizando aprendizado de máquina, mais especificamente aprendizado profundo. Nós discutimos também as dificuldades e os fatores mais importantes que devem ser levados em conta no desenvolvimento de sistemas de classificação estética. Em seguida, nós apresentamos um método que leva em consideração o conteúdo de uma imagem na escolha de uma arquitetura de rede. Nós discutimos as implicações e resultados deste novo método e como é possível aprimorar ainda mais estes resultados. Por fim, nós apresentamos algumas idéias que podem lançar uma luz sobre os atributos que redes convolucionais aprendem durante o processo de treinamento.