中国画分类的改进嵌入式学习算法
现有中国画分类大多只考虑了画作和类标签的相关性, 忽略了画作间的关联以及特征重要度的影响. 为此,提出改进的嵌入式中国画分类算法. 通过微调预训练的VGG-F模型提取中国画图像特征; 并提出基于互信息的嵌入式学习算法, 使"友情则近, 敌对则远"的嵌入式原则受到特征选择及特征重要度的影响; 最后利用支持向量机对中国画进行画作艺术风格及其作者分类. 实现了对样本库中10位画家中国画的识别,平均准确率为86%, 相比其他算法, 该算法有更高的分类准确度和更好的鲁棒性.
嵌入式机器学习、互信息、中国画分类、深度学习
30
TP391.41(计算技术、计算机技术)
国家自然科学基金61502331,11701410;天津市自然科学基金15JCQNJC00800,16JCYBJC42000;中国民航信息技术科研基地开放课题CAAC-ITRB-201504
2018-06-12（万方平台首次上网日期，不代表论文的发表时间）
共8页
893-900
