摘要
本发明提出了一种基于深度学习的甲骨文物智能真伪鉴别方法,包括步骤:S1:获取甲骨文图像集包括训练集和验证集;S2:对所述训练集和验证集进行预处理,并构建基于ResNet18的OracleNet模型,所述的预处理采用高斯位移场生成算法模拟甲骨自然形变;S3:利用训练集和验证集对所述的OracleNet模型进行训练;S4:将待预测甲骨文图像进行预处理后输入到训练好的模型,得到预测概率结果,根据预测概率结果判断甲骨文物的真伪。本发明提升了甲骨文物真伪鉴别的准确率与鲁棒性,降低对文物实物接触的依赖,实现无损鉴定,同时提供高效、轻量化的模型部署方案。
技术关键词
真伪鉴别方法
输出特征
图像
生成算法
高层语义特征
随机噪声
节点
双线性插值方法
生成随机
分辨率
训练集
形变技术
全局平均池化
高斯滤波器
通道
像素点
尺寸
鲁棒性
系统为您推荐了相关专利信息
图像处理
轮廓
矩阵
生成二值化图像
非暂态计算机可读存储介质
智能转换系统
Inception模型
图像处理模块
大语言模型
中文文本
冠层反射光谱
反射率
波长
多光谱传感器
辐射传输模型
像素块
卷积注意力网络
参数反演方法
多尺度
输出特征