five

wikiart

收藏
Hugging Face2024-08-25 更新2024-12-12 收录
下载链接:
https://huggingface.co/datasets/nroggendorff/wikiart
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集主要用于艺术作品的分类和识别任务,包含了2000幅艺术作品的图像数据,每个图像关联了艺术家、流派、风格和文本信息。艺术家标签涵盖了129位不同艺术家,流派标签涵盖了11种艺术流派,风格标签涵盖了27种艺术风格。

This dataset is primarily designed for artwork classification and recognition tasks. It contains 2000 artwork images, each of which is associated with artist, genre, style and text information. The artist labels cover 129 distinct artists, the genre labels span 11 art genres, and the style labels cover 27 art styles.
创建时间:
2024-08-25
原始信息汇总

WikiArt 数据集概述

数据集信息

特征

  • 图像 (image): 数据类型为图像。
  • 艺术家 (artist): 数据类型为类别标签,包含以下艺术家:
    • 0: Unknown Artist
    • 1: boris-kustodiev
    • 2: camille-pissarro
    • 3: childe-hassam
    • 4: claude-monet
    • 5: edgar-degas
    • 6: eugene-boudin
    • 7: gustave-dore
    • 8: ilya-repin
    • 9: ivan-aivazovsky
    • 10: ivan-shishkin
    • 11: john-singer-sargent
    • 12: marc-chagall
    • 13: martiros-saryan
    • 14: nicholas-roerich
    • 15: pablo-picasso
    • 16: paul-cezanne
    • 17: pierre-auguste-renoir
    • 18: pyotr-konchalovsky
    • 19: raphael-kirchner
    • 20: rembrandt
    • 21: salvador-dali
    • 22: vincent-van-gogh
    • 23: hieronymus-bosch
    • 24: leonardo-da-vinci
    • 25: albrecht-durer
    • 26: edouard-cortes
    • 27: sam-francis
    • 28: juan-gris
    • 29: lucas-cranach-the-elder
    • 30: paul-gauguin
    • 31: konstantin-makovsky
    • 32: egon-schiele
    • 33: thomas-eakins
    • 34: gustave-moreau
    • 35: francisco-goya
    • 36: edvard-munch
    • 37: henri-matisse
    • 38: fra-angelico
    • 39: maxime-maufra
    • 40: jan-matejko
    • 41: mstislav-dobuzhinsky
    • 42: alfred-sisley
    • 43: mary-cassatt
    • 44: gustave-loiseau
    • 45: fernando-botero
    • 46: zinaida-serebriakova
    • 47: georges-seurat
    • 48: isaac-levitan
    • 49: joaquã­n-sorolla
    • 50: jacek-malczewski
    • 51: berthe-morisot
    • 52: andy-warhol
    • 53: arkhip-kuindzhi
    • 54: niko-pirosmani
    • 55: james-tissot
    • 56: vasily-polenov
    • 57: valentin-serov
    • 58: pietro-perugino
    • 59: pierre-bonnard
    • 60: ferdinand-hodler
    • 61: bartolome-esteban-murillo
    • 62: giovanni-boldini
    • 63: henri-martin
    • 64: gustav-klimt
    • 65: vasily-perov
    • 66: odilon-redon
    • 67: tintoretto
    • 68: gene-davis
    • 69: raphael
    • 70: john-henry-twachtman
    • 71: henri-de-toulouse-lautrec
    • 72: antoine-blanchard
    • 73: david-burliuk
    • 74: camille-corot
    • 75: konstantin-korovin
    • 76: ivan-bilibin
    • 77: titian
    • 78: maurice-prendergast
    • 79: edouard-manet
    • 80: peter-paul-rubens
    • 81: aubrey-beardsley
    • 82: paolo-veronese
    • 83: joshua-reynolds
    • 84: kuzma-petrov-vodkin
    • 85: gustave-caillebotte
    • 86: lucian-freud
    • 87: michelangelo
    • 88: dante-gabriel-rossetti
    • 89: felix-vallotton
    • 90: nikolay-bogdanov-belsky
    • 91: georges-braque
    • 92: vasily-surikov
    • 93: fernand-leger
    • 94: konstantin-somov
    • 95: katsushika-hokusai
    • 96: sir-lawrence-alma-tadema
    • 97: vasily-vereshchagin
    • 98: ernst-ludwig-kirchner
    • 99: mikhail-vrubel
    • 100: orest-kiprensky
    • 101: william-merritt-chase
    • 102: aleksey-savrasov
    • 103: hans-memling
    • 104: amedeo-modigliani
    • 105: ivan-kramskoy
    • 106: utagawa-kuniyoshi
    • 107: gustave-courbet
    • 108: william-turner
    • 109: theo-van-rysselberghe
    • 110: joseph-wright
    • 111: edward-burne-jones
    • 112: koloman-moser
    • 113: viktor-vasnetsov
    • 114: anthony-van-dyck
    • 115: raoul-dufy
    • 116: frans-hals
    • 117: hans-holbein-the-younger
    • 118: ilya-mashkov
    • 119: henri-fantin-latour
    • 120: m.c.-escher
    • 121: el-greco
    • 122: mikalojus-ciurlionis
    • 123: james-mcneill-whistler
    • 124: karl-bryullov
    • 125: jacob-jordaens
    • 126: thomas-gainsborough
    • 127: eugene-delacroix
    • 128: canaletto
  • 流派 (genre): 数据类型为类别标签,包含以下流派:
    • 0: abstract_painting
    • 1: cityscape
    • 2: genre_painting
    • 3: illustration
    • 4: landscape
    • 5: nude_painting
    • 6: portrait
    • 7: religious_painting
    • 8: sketch_and_study
    • 9: still_life
    • 10: Unknown Genre
  • 风格 (style): 数据类型为类别标签,包含以下风格:
    • 0: Abstract_Expressionism
    • 1: Action_painting
    • 2: Analytical_Cubism
    • 3: Art_Nouveau
    • 4: Baroque
    • 5: Color_Field_Painting
    • 6: Contemporary_Realism
    • 7: Cubism
    • 8: Early_Renaissance
    • 9: Expressionism
    • 10: Fauvism
    • 11: High_Renaissance
    • 12: Impressionism
    • 13: Mannerism_Late_Renaissance
    • 14: Minimalism
    • 15: Naive_Art_Primitivism
    • 16: New_Realism
    • 17: Northern_Renaissance
    • 18: Pointillism
    • 19: Pop_Art
    • 20: Post_Impressionism
    • 21: Realism
    • 22: Rococo
    • 23: Romanticism
    • 24: Symbolism
    • 25: Synthetic_Cubism
    • 26: Ukiyo_e
  • 文本 (text): 数据类型为字符串。

数据分割

  • 训练集 (train): 包含 2000 个样本,总字节数为 918998490.0。

数据集大小

  • 下载大小: 918865304 字节
  • 数据集大小: 918998490.0 字节

配置

  • 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*
搜集汇总
数据集介绍
main_image_url
构建方式
WikiArt数据集通过从WikiArt艺术平台上收集大量艺术作品图像及其元数据构建而成。每幅作品均附有艺术家、流派、风格等标签信息,确保了数据的多样性和丰富性。数据集的构建过程严格遵循艺术史的分类标准,涵盖了从文艺复兴到现代艺术的广泛时期和风格,确保了其学术价值和实用性。
特点
WikiArt数据集的特点在于其广泛的覆盖范围和精细的标注。数据集包含了超过80,000幅艺术作品,涵盖了从抽象表现主义到写实主义的多种艺术风格。每幅作品均标注了艺术家、流派和风格信息,使得该数据集在艺术风格识别、艺术家分类等任务中具有极高的应用价值。此外,数据集的多样性还体现在其包含了不同时期、不同文化背景的艺术作品,为跨文化研究提供了丰富的素材。
使用方法
WikiArt数据集可用于多种艺术相关的研究任务,如艺术风格分类、艺术家识别、艺术流派分析等。研究人员可以通过加载数据集中的图像和标签信息,利用深度学习模型进行训练和测试。数据集的结构清晰,支持直接通过HuggingFace平台进行访问和下载,便于快速集成到现有的研究框架中。此外,数据集的丰富标注信息也为多任务学习提供了可能,使得研究者能够在同一数据集上进行多种任务的探索。
背景与挑战
背景概述
WikiArt数据集是一个专注于艺术领域的图像数据集,涵盖了从文艺复兴到现代艺术的广泛时期和风格。该数据集由WikiArt平台创建,旨在为艺术史研究、计算机视觉和机器学习领域提供丰富的视觉资源。数据集包含了超过80,000幅艺术作品,每幅作品都标注了艺术家、流派和风格等信息。这些信息不仅为艺术史学者提供了宝贵的研究材料,也为计算机视觉领域的图像分类、风格迁移等任务提供了高质量的训练数据。WikiArt数据集的创建标志着艺术与技术的深度融合,推动了艺术研究方法的革新。
当前挑战
WikiArt数据集在解决艺术图像分类和风格识别等问题时面临诸多挑战。首先,艺术作品的风格和流派具有高度的主观性和多样性,不同学者对同一作品的分类可能存在分歧,这为数据标注带来了困难。其次,艺术作品的图像质量参差不齐,部分作品因年代久远或保存不当而存在模糊、褪色等问题,影响了计算机视觉算法的性能。此外,数据集的构建过程中还面临着版权和隐私问题,部分艺术作品的版权归属复杂,获取合法授权成为一大难题。这些挑战不仅影响了数据集的完整性,也对相关领域的研究提出了更高的要求。
常用场景
经典使用场景
WikiArt数据集在艺术风格识别和艺术家分类研究中扮演着重要角色。该数据集包含了大量艺术作品的图像及其对应的艺术家、风格和流派信息,为研究人员提供了一个丰富的资源库,用于训练和验证深度学习模型在艺术领域的应用。通过分析这些数据,研究者能够深入探讨不同艺术风格之间的差异与联系,进而推动艺术风格自动识别技术的发展。
实际应用
在实际应用中,WikiArt数据集被广泛用于艺术作品的自动分类和推荐系统。例如,博物馆和画廊可以利用该数据集训练模型,自动识别和分类馆藏作品,提升展览策划的效率。此外,艺术教育平台也可以借助该数据集开发智能推荐系统,根据用户的兴趣推荐相关艺术作品,增强学习体验。
衍生相关工作
基于WikiArt数据集,许多经典研究工作得以展开。例如,研究者开发了基于卷积神经网络的艺术风格分类模型,显著提升了分类精度。此外,该数据集还催生了多项关于艺术家风格演变的研究,揭示了不同艺术家在不同时期的创作特点。这些工作不仅丰富了艺术史的研究内容,也为艺术与人工智能的结合提供了新的思路。
以上内容由遇见数据集搜集并总结生成
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作