【摘要】：隨著數(shù)字化技術(shù)的發(fā)展,實(shí)現(xiàn)中國(guó)繪畫(huà)的精準(zhǔn)分類及快速查找等功能,對(duì)中國(guó)繪畫(huà)圖像數(shù)字化的建立具有重要意義。傳統(tǒng)的中國(guó)繪畫(huà)識(shí)別系統(tǒng)主要有特征提取和分類兩個(gè)步驟,其中特征提取主要是根據(jù)個(gè)人經(jīng)驗(yàn)完成的,雖然能夠?qū)χ袊?guó)繪畫(huà)進(jìn)行分類,但仍存在細(xì)節(jié)信息容易丟失,模型泛化能力低等問(wèn)題。尋找一種能夠自動(dòng)、高效識(shí)別繪畫(huà)的技術(shù)是目前及未來(lái)研究的熱點(diǎn)。繪畫(huà)分類作為圖像分類的一種,其分類的難點(diǎn)在于特征的表達(dá)。而深度學(xué)習(xí)可以通過(guò)多隱層的網(wǎng)絡(luò)模型對(duì)大數(shù)據(jù)進(jìn)行訓(xùn)練,實(shí)現(xiàn)對(duì)數(shù)據(jù)特征的更好表達(dá),從而提高分類結(jié)果的準(zhǔn)確度。因此,針對(duì)中國(guó)繪畫(huà)圖像分類所出現(xiàn)的難題,本文對(duì)基于深度學(xué)習(xí)的中國(guó)繪畫(huà)圖像分類算法進(jìn)行了研究。本文首先提出了一種基于深度信念網(wǎng)絡(luò)的方法,實(shí)現(xiàn)對(duì)中國(guó)繪畫(huà)圖像的分類。該方法一方面通過(guò)采用深度信念網(wǎng)絡(luò)所忽略的二維結(jié)構(gòu)信息實(shí)現(xiàn)對(duì)高階統(tǒng)計(jì)信息的提取,另一方面將卷積操作應(yīng)用到網(wǎng)絡(luò)結(jié)構(gòu)中,可以在降低噪音的同時(shí)增強(qiáng)對(duì)原始信號(hào)特征的表達(dá)。同時(shí)還在隱層限制波爾茲曼機(jī)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(shí)現(xiàn)了對(duì)概率的推理和超完備現(xiàn)象的弱化。最后本文通過(guò)實(shí)驗(yàn)驗(yàn)證了此方法在中國(guó)繪畫(huà)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(luò)的方法,對(duì)中國(guó)繪畫(huà)圖像進(jìn)行分類。該算法首先針對(duì)過(guò)擬合問(wèn)題,提出了一種改進(jìn)的合成少數(shù)類過(guò)采樣技術(shù),以達(dá)到對(duì)數(shù)據(jù)良好的擴(kuò)增,然后將擴(kuò)增后的數(shù)據(jù)直接輸入到卷積神經(jīng)網(wǎng)絡(luò)中,經(jīng)過(guò)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(huà)圖像的特征。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)分類方法相比,該方法在中國(guó)繪畫(huà)圖像分類上具有更好的分類效果。
[Abstract]:......
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：J205;TP391.41

【參考文獻(xiàn)】

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(fēng)格相似性規(guī)則的繪畫(huà)圖像分類[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2013年08期

相關(guān)博士學(xué)位論文 前2條

1 鮑泓;基于視覺(jué)感知的中國(guó)畫(huà)圖像語(yǔ)義自動(dòng)分類研究[D];北京交通大學(xué);2012年

2 蔣樹(shù)強(qiáng);視覺(jué)媒體語(yǔ)義自動(dòng)提取關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2005年

，

本文編號(hào)：2480271