基于深度学习的丝绸文物纹样识别应用

TS101.1; 为对数字化文物进行快速自动分类,提高藏品数字化进程,加快数字博物馆的构建,文章利用深度学习对丝绸文物的纹样进行自动识别.依据实物纹样的分类方法,建立了包含花卉纹、飞鸟纹、"卐"字纹、云纹四类纹样的样本库.利用VGGNet、ResNet、MobileNet实现对纹样的分类,结合Faster R-CNN、YOLOv5、SSD目标检测算法实现对纹样的识别与定位.实验结果表明,MobileNet对丝绸纹样分类的mAP达到 83.51%;在目标检测算法中YOLOv5 的识别与定位效果最好,其mAP为88.42%.与通过人工分类相比,采用深度学习算法进行分类与识别,可...

Full description

Saved in:
Bibliographic Details
Published in丝绸 Vol. 60; no. 8; pp. 1 - 10
Main Authors 孙选铭, 苏淼
Format Journal Article
LanguageChinese
Published 浙江理工大学 纺织科学与工程学院(国际丝绸学院),杭州 310018%国际丝绸与丝绸之路研究中心,杭州310018 2023
Subjects
silk cultural relics
deep learning
target detection
digital museum
丝绸文物
automatic classifi-cation
深度学习
目标检测
神经网络
数字博物馆
自动分类
neural network
Online AccessGet full text
ISSN1001-7003
DOI10.3969/j.issn.1001-7003.2023.08.001

Cover

More Information
Summary:TS101.1; 为对数字化文物进行快速自动分类,提高藏品数字化进程,加快数字博物馆的构建,文章利用深度学习对丝绸文物的纹样进行自动识别.依据实物纹样的分类方法,建立了包含花卉纹、飞鸟纹、"卐"字纹、云纹四类纹样的样本库.利用VGGNet、ResNet、MobileNet实现对纹样的分类,结合Faster R-CNN、YOLOv5、SSD目标检测算法实现对纹样的识别与定位.实验结果表明,MobileNet对丝绸纹样分类的mAP达到 83.51%;在目标检测算法中YOLOv5 的识别与定位效果最好,其mAP为88.42%.与通过人工分类相比,采用深度学习算法进行分类与识别,可以在降低难度的同时提高分类的速度和准确率,为纺织品文物的鉴定与保护提供了新的思路.
ISSN:1001-7003
DOI:10.3969/j.issn.1001-7003.2023.08.001