基于改進(jìn)U-Net的壁畫顏料層脫落病害提取研究
【文章頁(yè)數(shù)】:63 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1-1壁畫結(jié)構(gòu)和幾種常見病害示例
第1章緒論第1章緒論1.1研究背景與意義我國(guó)作為四大文明古國(guó)之一,在悠久歷史的長(zhǎng)河中,沉淀出眾多獨(dú)具特色和寶貴的文化遺產(chǎn)。其中,文物不僅承載著璀璨的文明歷史和珍貴的文化價(jià)值,也是國(guó)家的“金色名片”。加強(qiáng)文物的科學(xué)保護(hù),對(duì)傳承我國(guó)傳統(tǒng)文化和增強(qiáng)民族自信都具有重要的意義。壁畫作為我國(guó)....
圖2-2CNN結(jié)構(gòu)示意圖
??蠻-Net網(wǎng)絡(luò)模型的改進(jìn)研究。然后編程完成改進(jìn)網(wǎng)絡(luò)模型的構(gòu)建、訓(xùn)練以及病害提取實(shí)驗(yàn),并通過對(duì)比分析,對(duì)本文改進(jìn)U-Net網(wǎng)絡(luò)模型提取結(jié)果進(jìn)行精度驗(yàn)證。2.2卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)本文的壁畫病害提取是利用以CNN為基礎(chǔ)的圖像分割網(wǎng)絡(luò)模型,對(duì)壁畫圖像病害區(qū)域進(jìn)行識(shí)別提齲CNN最初是受到....
圖2-7丟失輸出示意圖[61]
第2章病害提取思路與基礎(chǔ)知識(shí)程度上簡(jiǎn)化網(wǎng)絡(luò),而且減少神經(jīng)元之間復(fù)雜的共適應(yīng)性和對(duì)某個(gè)特定神經(jīng)元的過分依賴,從而防止網(wǎng)絡(luò)模型的過擬合增強(qiáng)泛化能力。圖2-7丟失輸出示意圖[61]Fig.2-7SchematicdiagramofDropout2.2.6批量歸一化在CNN的訓(xùn)練過程中,....
圖2-8FCN結(jié)構(gòu)示意圖
第2章病害提取思路與基礎(chǔ)知識(shí)2.4全卷積神經(jīng)網(wǎng)絡(luò)FCN是在CNN網(wǎng)絡(luò)基礎(chǔ)上改進(jìn),用于圖像分割任務(wù)的網(wǎng)絡(luò)模型。它的主要結(jié)構(gòu)如圖2-8所示,可以看出,F(xiàn)CN與CNN結(jié)構(gòu)基本相似,具有CNN的所有特點(diǎn),二者最大的區(qū)別就是用卷積層代替全連接層(全卷積化)。除此之外,F(xiàn)CN網(wǎng)絡(luò)還用到了上采....
本文編號(hào):3974137
本文鏈接:http://sikaile.net/shoufeilunwen/zaizhiboshi/3974137.html