基于AlexNet深度学习的刺绣图像分类研究

摘要

针对传统刺绣图像分类效率低、数据集少、识别率不高等问题,研究了一种基于卷积神经网络AlexNet模型的刺绣分类算法,将深度学习技术引入到刺绣图像分类领域。为了更精准地实现多种刺绣分类,对原始AlexNet模型进行改进,引入迁移学习,并加载预训练模型参数,从而提取更深层次的刺绣特征,提高模型的收敛速度。实验选取国内10种刺绣,共计864张原始刺绣图片,使用包括基本数据增强、Mixup混合技术和GridMask技术得到9571张图片和对应标签进行训练,与原始算法模型进行对比,并进行消融实验。实验结果表明:改进后的AlexNet模型准确率达到94.74%,对多种类刺绣图像分类有更好的效果。研究结果可有效解决刺绣分类困难问题,最大程度完善和优化数字化的刺绣传承体系。