基于VGGNet卷积神经网络的蓝印花布纹样分类

论文摘要

为了数字化传承与创新传统的蓝印花布纹样,需要将蓝印花布纹样进行分类。为此,提出一种改进的VGGNet卷积神经网络模型的纹样分类方法。首先,采集原始的蓝印花布图案,通过图像增强技术扩充样本,形成训练数据集。其次,改进经典的VGGNet 16卷积神经网络结构,增加卷积组及调整网络参数,增加丢弃层。同时,分析、验证训练优化策略对蓝印花布纹样分类的影响。最后,利用训练集及验证集中的图像样本,通过自动学习获取网络模型参数,得到纹样分类的最佳网络模型并获得较为理想的分类结果。实验结果显示,改进的卷积神经网络模型针对5类蓝印花布纹样进行分类训练,其平均分类准确率达89.73%,为蓝印花布纹样的继承和创新研究提供了新思路。

论文目录

• 1 引 言
• 2 纹样收集与预处理
•   2.1 纹样收集
•   2.2 预处理
• 3 卷积神经网络
•   3.1 VGGNet 16模型
•   3.2 改进的VGGNet模型
•     1) 输入层。
•     2) 卷积组。
•     3) 全连接层。
•     4) 学习率优化策略。
• 4 训练过程与结果分析
•   4.1 实验环境及样本准备
•   4.2 训练过程及分析
•     1) 网络优化策略。
•     2) 网络模型比较。
• 5 结 论

文章来源

类型: 期刊论文

作者: 贾小军,邓洪涛,刘子豪,叶利华

关键词: 蓝印花布纹样,卷积神经网络,训练,分类

来源: 光电子·激光 2019年08期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑

专业: 轻工业手工业,计算机软件及计算机应用,自动化技术

单位: 嘉兴学院数理与信息工程学院,嘉兴学院设计学院

基金: 嘉兴市科技局公益性研究计划项目(2018AY11008)资助项目

分类号: TS194.6;TP391.41;TP183

DOI: 10.16136/j.joel.2019.08.0073

页码: 867-875

总页数: 9

文件大小: 2201K

下载量: 194