基于卷积神经网络的唐卡尊像自动分类研究

摘要

唐卡作为中国的非物质文化遗产之一,受到越来越多人的关注.如何快速、准确地对唐卡中的尊像进行分类,对于唐卡的研究以及数字化保护传承极其重要.因此,该文提出了一种改进的基于卷积神经网络基本结构的唐卡尊像自动分类方法.通过手动采集及爬虫技术等收集唐卡图像,构建唐卡尊像数据集,并作为网络模型的输入数据.在保留原有卷积神经网络基本结构的前提下,在传统卷积神经网络结构每组的隐藏层中加入批量归一化层,改善模型的训练效率,并以Relu作为卷积池化层的激活函数,在最后一层全连接输出层前面加入Dropout层,减少过拟合,全连接输出层使用Softmax作为激活函数,而损失函数则使用交叉熵,使分类效果更好,同时采用Adam优化方法来进行模型的优化,并应用在唐卡尊像分类方面.最终在自己建立的唐卡数据集上进行实验,分类准确率高达94.7％,比其他典型方法高出约3％,分类效果更佳,更有利于唐卡这种非物质文化遗产的数字化保护.