典型文献
基于数据增强的秦俑碎片深度分类模型
文献摘要：
在秦俑保护领域，为了降低秦俑碎片匹配及拼接的工作难度，更多的计算机辅助技术应用在破碎秦俑复原工作核心环节的碎片分类中。针对传统的秦俑碎片分类方法对碎片特征提取不充分及秦俑碎片数据采集难度较高等导致的分类准确率低下的问题，提出了一种基于数据增强的秦俑碎片深度分类模型。首先，通过条件生成式对抗网络对现有秦俑碎片数据集进行数据增强，实现秦俑数据集的扩充。其次，通过深度卷积神经网络自动且充分地提取碎片特征信息并实现有效的碎片分类效果。然后，引入convolutional block attention module（CBAM）双通道注意力机制和CutMix增强策略来显著提升深度分类模型的性能。最后，在秦俑实验数据集的对比实验结果表明，与传统的基于几何特征、尺度不变特征变换特征、形状特征、多特征融合等经典碎片分类方法相比，所提方法对秦俑碎片的分类取得了更准确的分类结果，有效降低了后续复原工作中匹配、拼接等工作的复杂度，进而提高了秦俑文物复原工作的整体效率。
文献关键词：
图像处理;破碎秦俑复原;碎片分类;条件生成式对抗网络;双通道注意力机制;增强策略
中图分类号：
作者姓名：
鱼跃华;张海波;李昕;寇姣姣;李康;耿国华;周明全
作者机构：
西北大学信息科学与技术学院，陕西 西安 710127
文献出处：
引用格式：
[1]鱼跃华;张海波;李昕;寇姣姣;李康;耿国华;周明全-.基于数据增强的秦俑碎片深度分类模型)[J].激光与光电子学进展,2022(18):1810010
A类：
碎片匹配,破碎秦俑复原,碎片分类
B类：
数据增强,分类模型,拼接,工作难度,计算机辅助技术,核心环节,分类方法,碎片特征,分类准确率,条件生成式对抗网络,深度卷积神经网络,特征信息,分类效果,convolutional,block,attention,module,CBAM,双通道注意力机制,CutMix,增强策略,几何特征,尺度不变特征变换,形状特征,多特征融合,整体效率
AB值：
0.245144
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
