В наше время проблема определения подлинности произведений искусства становится особенно актуальной. Ранее этот процесс выполнялся исключительно вручную, что требовало значительных затрат человеческих ресурсов. Однако с развитием технологий возникла потребность в создании интеллектуальной системы, способной проводить точный анализ и идентификацию произведений искусства. Уже существуют исследования, посвященные распознаванию объектов с различными топологиями на основе искусственного интеллекта, которые комбинируют методы глубокого обучения и машинного зрения [1–3]. Распознавание объектов искусства с использованием нейронных сетей – это область компьютерного зрения, направленная на идентификацию и классификацию произведений искусства, таких как картины, скульптуры и артефакты, с применением методов глубокого обучения. В крупнейших музеях и мировых хранилищах, таких как музей Лувр (Франция), Метрополитен-музей (США), Галерея Уффици (Италия), Британский музей (Великобритания), Рейксмузеум (Нидерланды), уже активно применяются современные технологии аутентификации произведений искусства, основанные на искусственном интеллекте и нейронных сетях. Эти системы позволяют значительно повысить точность определения подлинности экспонатов, автоматизировать процесс их анализа и минимизировать влияние человеческого фактора. Современные системы аутентификации, внедренные в крупнейшие музеи мира, позволяют не только более точно выявлять подлинность произведений искусства, но и защищать культурное наследие от фальсификаций и разрушения. Сверточные нейронные сети (CNN) – анализируют визуальные особенности картины, включая мазки, текстуру поверхности и цветовые сочетания. Глубокое обучение – обученные модели сравнивают исследуемое произведение с базой подлинных картин, выявляя потенциальные несоответствия. В данной статье представлено сравнительное исследование различных моделей нейронных сетей, направленное на повышение точности распознавания и обработки данных.