随着我国艺术策展领域的发展,策展库中的艺术品资源逐渐增加。艺术馆藏系统需要经常更新策展库,传统的分类归档往往依赖于人工实现,耗费大量时间。通过人工智能技术实现艺术品的自动分类,可节省人工筛选分类及归档的时间和精力,保证策展库的及时更新。艺术品分类的数据模态主要有文本和图像两类,为了综合考虑所有模态特征的优势,本文提出了一种基于多模态融合的艺术品分类方法。首先提出一种基于自注意力机制的艺术品文本分类方法,然后构建了一种基于视觉Transformer的艺术品图像分类模型,最后基于不同模态的艺术品分类模型,采用决策级融合实现多模态融合艺术品分类。通过实验对比改进前后的单模态分类方法及多种使用预定义决策规则的融合方法,结果显示该方法可实现更准确的艺术品分类,验证了本文提出的基于多模态融合的艺术品分类方法的有效性。论文主要工作如下:（1）针对文本模态的数据,提出了一种结合局部卷积和全局注意力的建模方法,以提升对艺术品文本的分类能力。艺术品样本的阐释文本数据过于冗长,包含的信息过多,文本卷积模型（Text CNN）建模过程缺乏对关键信息的关注,导致分类精度不高。针对这一问题,在词嵌入层后增加注意力计算,对每组特征图分别进行自注意力计算,赋予关键特征更大的权值,降低非关键特征对分类结果的干扰,从而达到增强语义信息以提升艺术品分类精度的目的。（2）针对图像模态的数据,提出了一种基于Transformer框架的艺术品图像分类方法,结合纹理信息提升图像数据艺术品分类准确性。视觉Transformer模型（Vi T）图片序列化过程中损失了相邻图片块之间的纹理信息。针对这一问题,本文在原始图片分割为多个图片块序列化的过程中改变滑动步长为图片块的一半,以保留图片块邻接位置的纹理信息,结果表明该方法能加快模型的收敛速度且能够达到更优的图像分类效果。（3）针对多模态的数据,提出了可学习权重的设计,对两个模态分类器的预分类结果进行融合,提升艺术品分类精度。文本和图像数据包含的信息对于提升艺术品分类的准确性起相互促进的作用,本文基于多模态融合的方式,通过对文本和图像分类器赋予可学习权重设计决策级融合网络,提升艺术品类别预测精度。通过对比改进前后的单模态分类方法及多种使用预定义决策规则的融合方法,实验表明本文提出的决策级多模态融合方法能有效应用于艺术品分类研究。