基于改进ResNet深度学习的古代壁画分类方法

作     者：曹建芳 彭存赫 陈志强 杨卓林 Cao Jianfang;Peng Cunhe;Chen Zhiqiang;Yang Zhuolin

作者机构：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忻州034000 山西工程技术学院大数据与智能工程系阳泉030002 

基　　金：国家自然科学基金面上项目(62372397) 教育部人文社会科学研究项目(规划基金项目)(21YJAZH002) 山西省自然基金面上项目(202203021221222) 山西省文物局2024年度文物科研课题(2024KT23)项目资助 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2025年第48卷第1期

页      码：186-196页

摘      要：针对壁画图像人物间纹理,轮廓相似,不同场景下壁画人物特征差异较大,背景噪声复杂,分类易混淆等问题,提出了一种针对ResNet卷积神经网络的改进策略。首先将模型输入层中较大的7×7卷积核分离为3个串联的3×3小卷积核堆积的主干,将2×2平均池化与最大池化进行add特征融合取代原最大池化操作,增强模型的表征能力。其次设计了一种多尺度高效的空间通道注意模块,以ECA通道注意力模块为基础,串联空间注意力模块,将空间模块中原3×3卷积核替换为SK注意力模块,融合多尺度信息捕捉全局长距离依赖关系,降低背景噪声的干扰。最后提出一种蜂窝式聚合结构,将相邻的block块中的输出信息进行add操作,作为后续层的输入,同时捕获低级和高级特征,增强上下文信息的流通性。实验结果表明:该模型在准确率、精度、召回率和F1值分别达到96.51%、96.65%、96.67%、96.63%。相对于原模型ResNet-18准确率提升9.76%,与主流的分类算法相比分类准确率、泛化能力、稳定性均有一定的提升,能够高效准确识别壁画所属类型,这对于文化遗产保护和艺术史方面研究具有显著价值。

主 题 词：壁画分类 ResNet 注意力机制 特征提取 卷积神经网络 深度学习 

学科分类：080904[080904] 0809[工学-计算机类] 081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.19651/j.cnki.emt.2416339

馆 藏 号：203156396...