基于MobileNetV2的木偶王朝识别系统
Xiaona Xie1, Zeqian Liu2, Yuanshuai Wang3
1Art College, Northeastern University, No. 11 Lane, Wenhua Road, Heping District, Shenyang 110819, China.
Entropy (Basel, Switzerland)
|August 29, 2024
概括
这项研究引入了一种新的深度学习方法,用于使用轻量级卷积神经网络 (CNN) 和对象检测进行自动王朝识别. 该系统提高了文化遗产和艺术史研究的效率和准确性.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 文化遗产信息学 文化遗产信息学
背景情况:
- 传统的图像分类依赖于手动的特征提取,这是低效的.
- 深度学习模型,特别是卷积神经网络 (CNN),为改进图像分类提供自动特征提取.
- 特定领域的图像识别任务,如识别历史文物,具有独特的挑战.
研究的目的:
- 应用轻量级可分离的卷积神经网络用于特定域的图像分类.
- 从图像中开发一个自动化系统来识别王朝.
- 减少手工干预,提高文化遗产研究的识别效率和准确性.
主要方法:
- 使用了SSDLite对象检测算法.
- 集成了MobileNetV2轻量级卷积架构.
- 构建了一个混合系统,将对象检测和图像分类结合起来.
主要成果:
- 成功实施了一种用于自动识别王朝的新系统.
- 在一个专业领域展示了轻量级CNN的有效性.
- 与传统方法 (隐含) 相比,实现了更高的效率和准确性.
结论:
- 开发的系统提供了一个可行的解决方案,用于自动识别王朝.
- 这种方法对文化保护和艺术史研究有重大影响.
- 轻量级的深度学习模型对于复杂的,域特定的图像分类任务是有效的.
