艺术品的分析、检测与识别是图像处理领域一个重要研究方向,吸引了大量的研究人员。然而当前的大部分方法均未针对移动设备上的实时分析需求而设计,通常依赖于严格的拍摄要求以及大量的计算资源消耗。随着深度学习的发展,针对性的分析模型在自动驾驶和安防监控等领域得以广泛应用。在移动端,以深度学习为代表的人工智能技术让手机等移动设备具有了机器学习的能力,为以后人工智能技术的发展提供了新的方向。基于深度学习技术,本文提出面向移动设备的高精度轻量级艺术品识别系统。本文所取得的创新成果如下所述:1.提出基于移动端的画作识别系统。该系统主要分为检测定位和分类识别两个部分。(1)检测定位部分采用一种结合关键点定位的画作检测算法。在通用检测算法中加入关键点定位模块,直接返回标准图像以便识别。这种二阶检测思想可有效排除干扰因素对识别造成的影响。(2)画作识别系统的应用平台为移动端,考虑到手机的计算能力有限,识别模块采用了超轻量级的MobileNet网络架构,且加入了局部特征融合操作,大大加强网络鲁棒性。此外,本文分别建立了国画和油画两个大型绘画数据库,以验证所提方法的有效性。2.提出基于轻量级孪生网络的中国印章识系统,该系统主要分为三个模块。(1)基于多任务学习的新型孪生网络。可有效应对相似度学习问题,提高模型识别准确率。(2)“背景自动生成”在线数据增强算法。使用不同的背景图案可在线生成大量新的印章图像,协助于模型的训练。(3)基于中心约束的新型孪生网络训练方法。该训练方法更加科学有效,可真实提高模型的泛化性。此外,为验证方法的有效性,本文建立了大型印章数据库,在此数据库上进行的相关实验,证明了所提方法的有效性和先进性。