一个新的深度神经模型,用于高效和可扩展的历史地点图像分类
Md All Moon Tasir1, Mohd Nor Akmal Khalid2
1Faculty of Information Science and Technology, Universiti Kebangsaan Malaysia, Bangi, Selangor, Malaysia.
Scientific reports
|November 29, 2025
概括
新的人工智能框架HistoNet通过高效的深度学习增强了历史地点图像分类. 该工具提供准确,可解释的结果,使人工智能在全球范围内可用于文化遗产保护.
科学领域:
- 人工智能的人工智能
- 计算机视觉 计算机视觉
- 保护文化遗产 保护文化遗产
背景情况:
- 目前用于历史遗址的AI分类系统缺乏通用性和解释性.
- 高计算需求和专业专业知识限制了人工智能在遗产保护中的采用.
研究的目的:
- 介绍HistoNet,一个混合深度学习框架,用于高效和可访问的历史地点图像分类.
- 提高文化遗产人工智能的通用性,解释性和计算效率.
主要方法:
- 希斯托网结合了卷积神经网络 (CNN),变压器和Mamba状态空间模型,用于特征提取和全球上下文.
- 结合了Squeeze-and-Excitation注意力和SHapley添加式扩展 (SHAP) 以提高准确性和可解释性.
- 具有用户友好的Web界面,可广泛访问,即使在资源有限的环境中.
主要成果:
- 在建筑遗产元素数据集上达到95.66%的准确性,在历史建筑识别数据集上达到96.46%.
- 与VGG16和ResNet50相比,表现出卓越的性能,计算效率显著提高.
- 在马六甲的各种条件 (照明,天气) 和建筑风格中展示了强大的概括.
结论:
- 希斯托网为历史景点图像分类提供了一种高效,可访问和强大的解决方案.
- 该框架为遗产专业人士提供先进的人工智能工具,支持全球文化遗产保护工作.
- 解决数字沟,促进遗产部门的可持续发展目标.
