基于多通道可分离网络的古代壁画分类方法撤回

作者：曹建芳; 贾一鸣; 田晓东; 闫敏敏; 陈泽宇

来源：计算机应用研究, 2021, 38(11): 3489-3494.

DOI：10.19734/j.issn.1001-3695.2021.01.0071

• 壁画分类
• 多通道可分离网络
• 激活缩放策略
• GoogLeNet

古代壁画艺术价值高、内容丰富,对壁画种类进行准确分类是研究者的难题之一。传统的壁画分类任务繁重且需要有经验的研究者完成;现有的图像分类算法已不适于分类含有较强背景噪声的壁画图像。针对以上问题提出了一种新的多通道可分离网络模型(multi-channel separable network model,MCSN)的解决方案。以GoogLeNet网络模型为基本框架,用小卷积核对壁画背景特征进行浅层提取,然后将7×7、3×3等较大卷积核十字分离成7×1、1×7和3×1、1×3等较小的卷积核提取壁画重要的深层次特征信息;使用软阈值化激活缩放策略(activation scaling)增加网络训练时的稳定性,最后通过softmax对壁画分类;使用小批量随机梯度下降(minbatch SGD)算法更新参数。精确率、召回率和F1值分别为88.16%、90.01%和90.38%。与主流分类算法相比,分类准确率、泛化能力、稳定性有了一定的提升,提高了壁画分类效率。

• 单位
  太原科技大学; 忻州师范学院