【摘要】：隨著數(shù)字化技術(shù)的發(fā)展,實現(xiàn)中國繪畫的精準分類及快速查找等功能,對中國繪畫圖像數(shù)字化的建立具有重要意義。傳統(tǒng)的中國繪畫識別系統(tǒng)主要有特征提取和分類兩個步驟,其中特征提取主要是根據(jù)個人經(jīng)驗完成的,雖然能夠?qū)χ袊L畫進行分類,但仍存在細節(jié)信息容易丟失,模型泛化能力低等問題。尋找一種能夠自動、高效識別繪畫的技術(shù)是目前及未來研究的熱點。繪畫分類作為圖像分類的一種,其分類的難點在于特征的表達。而深度學習可以通過多隱層的網(wǎng)絡模型對大數(shù)據(jù)進行訓練,實現(xiàn)對數(shù)據(jù)特征的更好表達,從而提高分類結(jié)果的準確度。因此,針對中國繪畫圖像分類所出現(xiàn)的難題,本文對基于深度學習的中國繪畫圖像分類算法進行了研究。本文首先提出了一種基于深度信念網(wǎng)絡的方法,實現(xiàn)對中國繪畫圖像的分類。該方法一方面通過采用深度信念網(wǎng)絡所忽略的二維結(jié)構(gòu)信息實現(xiàn)對高階統(tǒng)計信息的提取,另一方面將卷積操作應用到網(wǎng)絡結(jié)構(gòu)中,可以在降低噪音的同時增強對原始信號特征的表達。同時還在隱層限制波爾茲曼機結(jié)構(gòu)中引入了最大概率模型和稀疏正則化算法,從而很好地實現(xiàn)了對概率的推理和超完備現(xiàn)象的弱化。最后本文通過實驗驗證了此方法在中國繪畫圖像分類上具有可行性。隨后本文提出了一種基于卷積神經(jīng)網(wǎng)絡的方法,對中國繪畫圖像進行分類。該算法首先針對過擬合問題,提出了一種改進的合成少數(shù)類過采樣技術(shù),以達到對數(shù)據(jù)良好的擴增,然后將擴增后的數(shù)據(jù)直接輸入到卷積神經(jīng)網(wǎng)絡中,經(jīng)過隱藏層的卷積和亞采樣,并在結(jié)構(gòu)中利用ReLu+Sigmoid替代傳統(tǒng)的Sigmoid+Sigmoid激活函數(shù),最終提取出可更好地表示繪畫圖像的特征。實驗結(jié)果表明,與傳統(tǒng)分類方法相比,該方法在中國繪畫圖像分類上具有更好的分類效果。
[Abstract]:......
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：J205;TP391.41

【參考文獻】

相關(guān)期刊論文 前1條

1 楊冰;許端清;楊鑫;趙磊;唐大偉;;基于藝術(shù)風格相似性規(guī)則的繪畫圖像分類[J];浙江大學學報(工學版);2013年08期

相關(guān)博士學位論文 前2條

1 鮑泓;基于視覺感知的中國畫圖像語義自動分類研究[D];北京交通大學;2012年

2 蔣樹強;視覺媒體語義自動提取關(guān)鍵技術(shù)研究[D];中國科學院研究生院（計算技術(shù)研究所）;2005年

，

本文編號：2480271