科研之友
微信
新浪微博
Facebook
分享链接
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。
-
单位忻州师范学院; 太原科技大学
