基于卷积神经网络的深刺文化遗产的创新应用研究
1School of Computer and Information Engineering, Nantong Institute of Technology, Nantong, China.
Scientific reports
|April 26, 2024
概括
这项研究引入了改进的MobileNet V1卷积神经网络,用于识别沈,达到98.45%的准确性. 这种人工智能方法支持无形文化遗产的保护和智能发展.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 保护文化遗产 保护文化遗产
背景情况:
- 无形文化遗产,如沈刺,需要创新的方法来保护和推广.
- 传统的识别方法可能不足以对复杂的文化文物进行详细分析.
- 深度学习的进步为自动化文化遗产分析提供了潜在的解决方案.
研究的目的:
- 通过深度学习开发一种高效准确的方法来识别沈刺.
- 增强现有的卷积神经网络用于文化文物识别的能力.
- 为智能开发和保护非物质文化遗产提供技术基础.
主要方法:
- 一个数据集的沈刺图像被策划和预处理,包括数据增强.
- 转移学习被应用于微调深度学习模型.
- 移动网V1网络通过整合空间金字塔聚合 (SPP) 来进行修改,以融合本地和全球特征,取代平均聚合层.
主要成果:
- 改进的MobileNet V1网络实现了Shen Embroidery的98.45%的识别准确性.
- 这意味着与基线MobileNet V1网络相比,准确度提高了2.3%.
- 在SPP的整合有效地结合了网络内的本地和全球特征信息.
结论:
- 增强的卷积神经网络在识别深刺方面表现出高效率.
- 这项研究为无形文化遗产的智能发展和保护提供了宝贵的技术支持.
- 该方法为分析和保护其他形式的文化遗产提供了可扩展的方法.
