结合迁移学习和底层特征的古代壁画分类模型

作     者：曹建芳 崔红艳 张自邦 赵爱迪 Cao Jianfang;Cui Hongyan;Zhang Zibang;Zhao Aidi

作者机构：太原科技大学计算机科学与技术学院山西太原030000 忻州师范学院计算机系山西忻州034000 

基　　金：山西省自然科学基金(201701D21059) 山西省高等学校人文社会科学重点研究基地项目(20190130) 山西省艺术科学规划课题(2017F06) 忻州市平台和人才专项(20180601) 

出 版 物：《系统仿真学报》 (Journal of System Simulation)

年 卷 期：2021年第33卷第5期

页      码：1095-1103页

摘      要：针对壁画数目较少会导致深度学习模型训练不够充分的问题,提出了一种结合深层迁移模型和底层简单视觉相结合的古代壁画分类模型。模型将Visual Geometry Group Network迁移模型学习到的知识应用到目标小样本集上进行微调得到壁画高层特征,结合颜色直方图和局部二值模式纹理算子为特征描述子进行分类。实验结果表明:在构建的壁画图像数据集上,模型达到了90.35%的准确率。与传统模型和其他的卷积神经网络相比,算法在分类准确率、泛化能力和稳定性上都有很大提升,验证了模型对于壁画分类的有效性。

主 题 词：迁移学习 壁画分类 特征融合 底层特征 

学科分类：081203[081203] 08[工学] 0802[工学-机械学] 0835[0835] 0825[工学-环境科学与工程类] 0701[理学-数学类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.16182/j.issn1004731x.joss.20-0023

馆 藏 号：203103388...