中国画是我国优秀传统文化代表之一,凝聚了中华民族的悠久历史与思想智慧。现有针对中国画的研究大多集中于对作者与描绘对象的识别,缺少对画作情感的分析。而正是画家将生活中的心情感悟寄情于美术创作升华了国画的艺术价值,情景交融是中国画重要的艺术表现形式。研究国画情感的计算机分析方法,有助于用户的鉴赏和学习,推动数字化建设与文物管理。本文通过研究优秀卷积神经网络架构的特征提取与结构优化原理,并针对中国画独特的艺术特点,对中国画情感分类及可视化方法做出了较深入的研究,主要内容与成果如下:(1)提出融合人类认知深度网络结构优化的中国画情感分类算法。该算法通过国画情感CNN特征可视化剖析不同卷积层特征与中国画笔墨特点的联系,交互式地利用国画情感表达手法知识优化网络结构。实验中用所构建的网络将1000幅中国画分为悲伤孤傲、豪情肆意、活泼欢快、安静平和4种情感类别,与其他经典卷积神经网络相比,获得了更优的分类结果。(2)提出深层网络特征聚合重标定的中国画情感分类算法。基于残差模块构建多层聚合特征重标定网络模块,通过聚合模块中所有卷积层信息,将所得结果反馈给模块输出,从而重标定模块特征响应。充分发挥网络浅层和深层不同级别特征的作用,提高对国画情感影响大的特征贡献。实验中获得了85.8%的平均分类准确率,验证了算法的鲁棒性。(3)提出多类别加权激活定位的可视化技术。在多层聚合特征重标定网络获得更好的中国画情感特征后,计算情感类别相对于目标卷积层的梯度,分别得到每个情感在画面中的特征激活定位。本文将4种情感元素进行可视化,准确标注国画的情感表达区域,作为教学辅助手段帮助用户领略国画情感。