基于改进DenseNet的刺绣图像分类识别的研究

摘要：

针对中华传统刺绣工艺传承保护问题中的分类任务,传统的刺绣分类方法存在耗时长、精度低以及需要大量掌握专业知识的人力资源等问题;设计了一种基于改进DenseNet的刺绣图像分类识别方法;构建刺绣图像分类识别数据集;采用局部二值模式LBP、Canny算子边缘提取以及Gabor滤波等方式提取纹理特征,将不同特征图与原图合并为四至六通道图像数据集送入网络进行消融试验,扩充了数据集宽度;为稳定训练过程,加速损失收敛速度,提出引入SPP(spatial pyramid pooling)结构优化模型;为提高分类识别精度使用Leaky ReLU激活函数优化ReLU函数;实验结果表明基于改进DenseNet的刺绣图像分类识别方法可解决传统刺绣图像分类方法中存在的问题,改进后的刺绣图像分类模型与基准模型相比准确率提高了 8.1％,高达97.39％.

关键词：刺绣图像分类识别、深度学习、卷积神经网络、稠密连接网络、金字塔池化、多通道融合

所属期刊栏目：31

分类号：TP391.04(计算技术、计算机技术)

资助基金：中央引导地方科技发展专项基金YDZX2017370000283

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：194-201