艺术鉴定与其他图片分析领域 阅读时间：2分钟 在2024年12月，针对Keras360.io艺术鉴定（AF）网站启动了一项全面的测试实验。主要目标是首先在AF数据库中寻找匹配的图像，并随后便于进行进一步的身份验证检查。然而，显然在数码区块分析过程中，通常也称为裁剪图像，结果可能缺乏特异性，从而导致准确性降低。这个观察在缩放或部分图像搜索协议的上下文中是成立的。 在2025年8月11日，我们推出了新协议，旨在协助识别比赛图像，并验证指定的裁剪上传是否来源于原始图像。 在本AF实验中使用的示例AF beta数据库: 伦勃朗。编号12（伦勃朗 – 12）作品原标题: 纺织品检验员 ( 阿姆斯特丹布料行业协会的抽样官员)荷兰语: De waardijns van het Amsterdamse lakenbereidersgilde 区块 搜索一（旧版本） 在以前的协议中，可以在两个指定字段中上传裁剪过的图像：i）完整图像上传（从顶部开始的第一个），或 ii）使用骰子系数方法(Dice Coefficient)估计缩放和分割的部分图像。若数据库里未能找到匹配图像时，AF beta 系统将推荐最有可能的前三位艺术家及潜在艺术作品。然而，出于验证与认证目的，通常只限于使用二进制响应——“是”或“否”—— “真” 或 “假” 。 这严格的要求使AF beta 协议需要用户额外输入以增强其有效性。有关新协议的详细信息，请参阅下面的视频；区块 搜索二。 区块 搜索二（当前，新版本！） 与之前的实验类似，已上传灰度或黑白图片，以识别其在 AF 数据库库中的相应匹配。这种方法在艺术品或文物原始色彩和清晰轮廓出现退化时特别有利。因此，该方法得以保留。新协议现在要求在全面图像分析后进行额外上传。用户需提交完整图像进行搜索，之后用户界面（UI）将弹出提示，要求进一步的权限以进行分割分析。与标准分割搜索相比，所得到的输出提供了更可靠的答案。 其他相关网页： ♤ All rights reserved © The Waterhouse, Keras360