首页|基于多通道可分离网络的古代壁画分类方法

基于多通道可分离网络的古代壁画分类方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
古代壁画艺术价值高、内容丰富,对壁画种类进行准确分类是研究者的难题之一.传统的壁画分类任务繁重且需要有经验的研究者完成;现有的图像分类算法已不适于分类含有较强背景噪声的壁画图像.针对以上问题提出了一种新的多通道可分离网络模型(multi-channel separable network model,MCSN)的解决方案.以GoogLeNet网络模型为基本框架,用小卷积核对壁画背景特征进行浅层提取,然后将7×7、3×3等较大卷积核十字分离成7×1、1×7和3×1、1×3等较小的卷积核提取壁画重要的深层次特征信息;使用软阈值化激活缩放策略(activation scaling)增加网络训练时的稳定性,最后通过softmax对壁画分类;使用小批量随机梯度下降(min-batch SGD)算法更新参数.精确率、召回率和F1值分别为88.16％、90.01％和90.38％.与主流分类算法相比,分类准确率、泛化能力、稳定性有了一定的提升,提高了壁画分类效率.
Ancient mural classification method based on multi-channel separable network

曹建芳、贾一鸣、田晓东、闫敏敏、陈泽宇

展开 >

太原科技大学计算机科学与技术学院,太原030024

忻州师范学院计算机系,山西忻州034000

壁画分类 多通道可分离网络 激活缩放策略 GoogLeNet

山西省高等学校人文社会科学重点研究基地项目

20190130

2021

10.19734/j.issn.1001-3695.2021.01.0071

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(11)
  • 1
  • 10