摘要
本发明公开了一种基于多原则数据标注与深度学习的青铜器纹理识别方法,包括:S1、获取包含青铜器纹理的图像,构建原始图像数据集;S2、依据预设的多原则数据标注策略,对前述原始图像数据集中的纹理进行标注,生成高质量的标注数据集;S3、将所述高质量的标注数据集输入预设的深度学习目标检测网络模型中进行训练及评估,得到能够识别青铜器纹理的成熟模型;S4、利用所述成熟模型对新的青铜器图像进行处理,输出图像中所包含纹理的类别及其位置信息。本发明能够显著提高识别准确率,有效解决多尺度和细节问题,而且能够增强模型泛化能力,同时具有普适性。
技术关键词
纹理识别方法
原始图像数据
标注策略
检测网络模型
融合多尺度特征
空间金字塔池化
模型训练模块
标注工具
预测类别
识别特征
残差网络
有效性
识别系统
博物馆
检测头
系统为您推荐了相关专利信息
铸件表面缺陷
检测网络模型
图像采集模块
线光源
输送模块
面向多对象
图像生成模型
图像生成系统
语义特征
子模块
自动分级方法
烤烟烟叶
深度集成学习
集成训练
样本
检测网络模型
特征金字塔网络
存储程序模块
注意力
训练集数据