随着图片分享平台的兴起以及日益增强的手机成像质量,越来越多精美的摄影作品被上传至互联网。而在另一方面,随着用于图像识别的卷积神经网络的快速发展,这些网络已经在图像物体识别中达到接近人工分类的准确率。如果能够利用这些成熟的神经网络对摄影作品进行识别,无疑可以帮助平台更好地了解平台中摄影内容的发展方向,并分析相关有价值的数据。卷积神经网络在识别物体时基于物体边缘的纹理,而构图则是一种贯穿全图的抽象纹理,两者是不同的,但有一定程度的相似性,这符合迁移学习的条件。本文利用迁移学习的技术构建了针对构图进行识别的神经网络模型,搭建了浏览器和服务器架构的图片分享平台,并接入迁移学习所得的模型,实现该模型在工程中的应用。本人独立完成了如下工作:对图片分享平台的构建进行需求分析,确立功能性需求和非功能性需求,并对迁移学习部分所需的分类进行探讨和确定;对图片分享平台的构建进行概要设计和详细设计,确立了总体架构以及各个子模块的结构,进行系统的整体和各个子模块流程设计、数据库表结构及关系设计、类结构及关系设计、业务逻辑等设计;针对迁移学习所需分类进行训练集的采集及预处理、选择合适的预训练模型、进行预实验、训练、准确度测试,对图片分享平台进行总体的实现,包括前端部分、后端程序部分、数据库部分、识别模型调用的部分;对整个系统进行测试。本文所完成工作的应用效果主要有以下2个方面:(1)在Inception系列模型基础上进行迁移学习,实现了上下对称构图、左右对称构图、曲线构图、对角线构图、留白式构图、消失点构图共6种分类,达到87.1%的综合准确率。(2)图片分享平台实现了注册、登录、上传图片、关注用户、点赞、评论等功能,并可在服务端自动定期调用迁移学习所得模型,对上传的图片进行识别分类。