科研之友
微信
新浪微博
Facebook
分享链接
摘要
卷积神经网络已成功用于敦煌古壁画的朝代分类，然而敦煌壁画的数据量有限，通常采用数据增强方法对训练集进行扩充，有些数据增强方法反而会降低预测准确率。针对这个问题，提出了一种基于注意力机制和迁移学习的残差网络模型，同时改进残差网络的残差连接方式，极化自注意力模块有利于网络模型提取图像的边缘局部细节特征和全局轮廓特征，增强了网络模型在小样本环境下的学习能力。分类器的分类算法被改进，从而提高了网络模型的分类性能。实验结果表明，基于迁移学习和注意力机制的ResNet在敦煌壁画DH1926小样本数据集上，取得了98.05%朝代分类准确率，与标准的ResNet20网络模型相比，朝代识别准确率提高5个百分点以上。
-
单位燕山大学; 忻州师范学院
