摘要
苗绣作为苗族人民传承历史文化的主要形式,图案内容丰富.但纹样设计周期相对较长且大多为手工劳动,因此生产效率较低.与此同时,在互联网平台上的相关资源质量不佳且数量较少,大多纹样及实体获取往往需要到实地考察.为解决传统手工苗绣绣片难以保存的问题,采用深度学习的图像语义分割方法进行相关苗绣绣片纹样提取用以保存和分类.该文构建了一组小型苗绣绣片纹样数据库并进行相关类别标注,同时提出一种多尺度图像语义分割网络架构(Multi-Scale Network).该方法包含四个模块,分别为多尺度模块(Multi-Scale Block,MSB)、多尺度编码器(Multi-Scale Encoder,MSE)、多尺度解码器(Multi-Scale Decoder,MSD)以及语义分割头(Semantic-Head,SH).每个模块均采用高效设计的多尺度提取机制和残差结构,可以提取更多全局纹样信息,并显著提升模型在不同任务下的泛化能力.所提方法在PASCAL VOC 2012 数据集以及自建苗绣绣片纹样数据库中进行测试,实验结果相比全卷积神经网络的交并比(MIoU)提高了14.84%和6.7%.在相同实验条件下也验证了算法在应对错误分割、遗漏分割的有效性.
基金项目
贵州省科技计划(黔科合基础[2020]1Y262)
贵州省教育厅青年科技人才成长项目(黔教合KY字[2018]112)
贵州省科技计划(黔科合支撑[2021]一般396)
贵州省科技计划重点项目(黔科合基础-ZK[2023]重点015)
国家科技期刊平台
NSTL
维普
万方数据