特征融合AlexNet模型的古代壁画分类

作     者：曹建芳 崔红艳 张琦 Cao Jianfang;Cui Hongyan;Zhang Qi

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 

基　　金：山西省自然科学基金项目(201701D121059) 山西省艺术科学规划课题项目(2017F06) 忻州市平台和人才专项项目(20180601) 

出 版 物：《中国图象图形学报》 (Journal of Image and Graphics)

年 卷 期：2020年第25卷第1期

页      码：92-101页

摘      要：目的针对古代壁画图像自身特征提取存在的主观单一性和客观不充分性等问题,以经典Alex Net网络模型为基础,提出了一种结合特征融合思想的卷积神经网络模型,用于古代壁画图像的自动分类。方法首先,由于大型壁画数据集较为缺乏,通过对壁画样本使用缩放、亮度变换、加噪和翻转等图像增强算法来扩大数据集,并提取壁画图像第1阶段的边缘等底层特征;其次,采用结构不同的双通道网络对提取的第1阶段特征进行第2阶段的深层抽象,得到两个通道的特征;最后,融合两个通道的特征,共同构建损失函数得到分类结果,从而提高模型的鲁棒性和特征表达能力。结果实验结果表明,在构造的壁画图像数据集上,该模型最终达到了85.39%的准确率。与Alex Net模型以及一些改进的卷积神经网络模型相比,各项评价指标均有大约5%的提高;与未进行预训练的经典模型相比,本文网络结构不易产生过拟合现象;与结合预训练的经典模型相比,准确率大致上有1%5%的提升,从硬件条件、网络结构和内存消耗上来说代价更小。由此验证了本文模型对于壁画图像自动分类的合理性和有效性。结论本文提出的壁画分类模型,综合考虑网络宽度和深度的影响,能从多局部的角度提取壁画图像丰富的细节特征,具有一定的优势和使用价值,可进一步结合到与壁画图像分类的相关模型中。

主 题 词：壁画分类 特征融合 AlexNet模型 卷积神经网络 壁画数据集 

学科分类：0601[历史学-历史学类] 1304[艺术学-美术学类] 13[艺术学] 060107[060107] 06[历史学] 08[工学] 060109[060109] 080203[080203] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11834/jig.190221

馆 藏 号：203885357...