基于卷积神经网络的陕北传统窗棂纹样分类研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：基于卷积神经网络的陕北传统窗棂纹样分类研究通过对陕北传统建筑窗棂纹样进行数字化提取保护,解决人工对窗棂纹样的分类准确率不高及工作效率低下问题.通过陕北窗棂纹样特征和数据进行解析,提出一种基于卷积神经网络中VGG16 模型方法,实验过程中各卷积层后采用ReLU激活函数,可以有效抑制过拟合现象,并提高模型的泛化能力.采用了数据增强方法,通过扩充窗棂图像的数量来增加模型的多样性,从而降低对数据的依赖程度,实验结果表明在基于VGG16 网络模型中进行迁移学习的方式对陕北窗棂纹样的分类准确率达到94.62%.建立纹样分类数据库,通过输入纹样种类特征实时输出相关纹样图像,深入挖掘传统窗棂文化遗产的价值,充分展现纹样独特的视觉效果和艺术表达方式.

作者：

段永丽、张娜

展开 >

作者单位：

西安科技大学艺术学院

关键词：

窗棂纹样卷积神经网络 VGG16 迁移学习图像分类

出版年：

2024

美与时代

河南省美学学会　郑州大学美学研究所

美与时代

影响因子：0.137

ISSN：1003-2592

年,卷(期)：2024.(33)