来源：期刊VIP网 时间：
作者：张嫱;何家成;孔令军;
单位：金陵科技学院艺术学院;南京邮电大学计算机学院,软件学院,网络空间安全学院;金陵科技学院网络与通信工程学院;
摘要：针对艺术图像分类任务中存在的样本稀缺、风格多样与纹理复杂等挑战，提出了一种新的自监督学习框架——频域掩码对比(Frequency-Masked Contrast, F-MaCo),以双分支对比学习为基础，通过二维离散小波变换(Discrete Wavelet Transform, DWT)将图像转换到频域，实现动态频域掩码增强。引入感知损失驱动的权重调整机制，有效捕捉艺术图像的多尺度特征和丰富的纹理信息。实验结果表明，F-MaCo在MAMe、Kaokore、Artbench10和ArtDL四个艺术图像数据集上均取得了最优性能，Top-1准确率分别达到73.72%、77.38%、58.38%和68.31%,验证了其在艺术图像表征学习任务中的有效性与鲁棒性。
关键词：艺术图像分类;;自监督学习;;小波变换;;对比学习;;频域掩码
基金资助：江苏高校哲学社会科学研究项目(2025SJYB0417);; 江苏省研究生科研创新与实践计划(SJCX24＿0324);; 江苏省高等学校基础科学(自然科学)研究重大项目(22KJA510009);; 金陵科技学院高层次人才科研启动资金(jit-b-202110)~~
