如何用机器学习判断《溪岸图》是否董源真迹？ 第1页

这问题大有意思，今日左右无事，就当放松，搭了一个模型实现了一下你这个想法，证明溪岸图确实是董源真迹。

按照传统人类的做法，就是基于已确认为董源真迹的作品总结出董源的一些风格特征，再对溪岸图进行鉴定，也就是你说的《潇湘图》《夏景山图》《夏山图》《龙宿郊民图》。这个鉴定过程就是靠嘴皮子啦，谁也不会服谁，否则也不会有争论了不是。

机器学习也是类似的，只需要给模型“观看”非董源作品和董源的作品，这就是所谓的训练数据集。等模型基于训练数据集学会了如何分辨董源和非董源的作品，就拥有了关于董源作品风格的知识。再给模型看溪岸图，模型就知道溪岸图是否为董源所作了。

如何构建数据集

总之，道理是很简单的，难地在于如何构建数据集，董源存世作品很少，如果我们让模型遍览一千多年来的作品，目的却只是分辨董源，那很多作品等于白看，毕竟看齐白石的花鸟对鉴定董源的山水画并没有什么用。而且数据集不能失衡，董源的作品就那么几幅，非董源的作品数不胜数，神经网络模型是很蠢的，你给他看1000幅画，只有5幅是董源，那他会认为所有的画都不是董源的，因为这样99.5%的可能性不会错。

所以这个数据集里非董源的作品贵在精不在多，最佳的选择便是和董源类似风格的非董源作品，我大概选了同时代的李成，范宽的作品，后人的仿董源作品，风景类似的作品和董源的老师荆浩的作品一共十二幅。就不全部列举了，包括了荆浩《匡庐图》，李成《晴峦萧寺图》，范宽《雪景寒林图》，范宽《雪山萧寺图》，范宽《溪山行旅图》，吴伟《寒山积雪图》，宋代佚名《溪山暮雪图》。。。

五幅董源的作品，十二幅非董源的作品，不算太失衡，比例还算可以接受。

如何预处理

直接把画输入模型当然是不可以的，这就涉及到中国画的风格特点问题，中国画风格最关键的着眼点是什么？是笔墨，也就是说，大结构并不是进行风格鉴定的关键，要给模型弄一个放大镜，让他盯着作品的细部看！

所以预处理的策略就是无论输入的作品是挂轴还是卷轴画，每次都只要模型观看一个正方形的细部，而且随机改变放大倍数，同时还进行随机镜像反转，随机明暗对比读调整等数据增广方法，输入模型的图片大概是这样的：

总之，最后模型相当于是用不同的放大倍数，不同的光照条件，对着每幅图片学习了几百次的样子。当然还可以让他继续学下去，但似乎学了几百次之后基本就学会了，下面告诉你为什么我知道模型学会了。

学习过程

模型我使用的是一个简单的ResNet18的神经网络，太大了不行，毕竟数据有限，模型太大了会造成过拟合。我原本担心数据不够，其实是够的，因为高清的手卷作品非常大，拿着放大镜看局部其实可以生成非常多的输入图片了，再加上改变光照，对比度，放大倍数之类的数据增广手段，用ResNet18应该是刚刚好。

学习曲线如下图所示：

横轴是训练的步数，你可以认为是用放大镜看了多少图片，我每隔40幅图片记录一次，横轴是训练损失，损失越低越好，随着训练的进行损失变低，说明这个鉴定问题是能解决的，神经网络确实通过观察学到了东西，慢慢地能进行区分了。当然到了后期就学不动了，这是数据量所限。

鉴定过程

在训练的过程中，我同时不停的让模型鉴定一幅模型没见过的非董源作品，让模型输出一个“此作品为董源作品”的可能性：

虽然模型在训练的过程中一度认为此作品为董源作品的可能性为60%，经过长时间的训练，最终可能性稳定在了10%左右，也就是说，模型认为这幅作品不太可能是董源的作品。训练的时候模型并没有看过这幅作品，却如此肯定的认为这不是董源作品，说明模型还是学到东西了。

这幅作品三个局部：

而模型在训练过程中对《溪岸图》的判断是这样变化的：

能看出来一开始模型啥都不懂，自然认为溪岸图为董源作品可能性是0，但随着训练的进行，慢慢的可能性稳定在了80%，也就是说，模型认为溪岸图是董源的作品。

另外，我是把溪岸图分成了36份分别让模型鉴定的，最终30个局部被鉴定为董源作品，6个局部被鉴定为不是，可见模型还是相当自信的。

用上了我的Nvidia 1080Ti之后，我的电脑学会鉴定董源只用三十分钟，而我，估计怎么都是学不会的…