【技术实现步骤摘要】
本专利技术属于图像处理方法，具体涉及一种基于改进的resnet网络与特征融合的书法风格分类方法。
技术介绍
1、书法作品是中国及深受中国文化影响过的周边国家和地区特有的一种文字美的艺术表现形式，是中国的文化瑰宝，具有非常重要的研究价值，不同历史时期和不同地区形成了各具特色的书法风格，反映了当时社会文化、哲学思想和审美趣味的演进。书法风格分类是一项复杂而有价值的任务，它旨在识别、理解和分类不同书法风格的特征。这项工作有助于深入探讨书法艺术的演变和传承，也有助于数字化文化遗产的保护与传播。同时，书法风格分类研究还能满足对艺术鉴赏和市场需求的日益增长的需求，使艺术收藏家和爱好者能更好地理解和欣赏书法作品。随着数字化技术的快速发展和书法文化的普及，自动化的书法风格分类成为了学术界和实际应用领域的研究热点。传统的基于特征工程和机器学习的方法在书法风格分类中取得了一定的成功，但仍然面临着特征提取困难、分类准确度有限、模型计算量大、运行时间长等问题。因此，本专利技术提出一种基于改进的resnet网络与特征融合的书法风格分类方法，旨在降低模型的参数量以及提高分类的准确度。
技术实现思路
1、本专利技术的目的是提供一种基于改进的resnet网络与特征融合的书法风格分类方法，可以降低模型的参数量，提高分类准确率。
2、本专利技术所采用的技术方案是，基于改进的resnet网络与特征融合的书法风格分类方法，具体按照以下步骤实施：
3、步骤1、收集多种类型不同风格的书法字帖，作为数据
4、步骤2、对步骤1的数据集进行预处理；
5、步骤3、构建分类网络模型，该模型由特征提取模块与特征融合模块构成；其中特征提取模块使用改进后的resnet34为基线网络，用于对书法图像特征进行提取；特征融合模块将由特征提取模块得到的特征图进行拼接融合，再将融合后的特征输入到分类函数进行分类；
6、步骤4、将步骤2处理过的数据集输入至步骤3构建的分类网络模型，对模型进行训练与测试，确定用于书法风格分类的最优模型。
7、本专利技术的特点还在于：
8、步骤2中数据集预处理的具体过程为：
9、对书法图像进行二值化、去噪以及切割单字，然后调整单个书法字的大小，再对各个单字进行旋转、镜像、裁剪操作。
10、步骤3中改进后的resnet34网络各残差模块卷积层中的卷积为深度可分离卷积，并增加注意力机制模块。
11、步骤3中的特征提取模块由四个阶段构成，其中，第一阶段的输入为原始图像，第二、三、四阶段的输入均为前一阶段的输出，各阶段输出的特征图除了会输入到下一阶段外，还会直接输入到特征融合模块中，并且对每个阶段的输出添加注意力机制。
12、特征融合模块将由特征提取模块四个阶段得到的特征图在特征拼接层中进行拼接融合，再将融合后的特征输入到softmax函数计算各类别的概率并进行分类。
13、四个阶段的输出特征输入到特征融合模块前均经过全局平均池化层以及线性映射层，从而得到尺寸一样的一维特征向量，且对于四个阶段提取到的特征均设置有权重参数，参数的初始值由低阶段到高阶段依次升高，后续通过模型训练自适应调整这些参数。
14、步骤4具体为：
15、将步骤2处理过的数据集作为步骤3构建的分类网络模型的输入，数据集按照7:3的比例划分为训练集和测试集，设置交叉熵损失函数作为网络模型的损失函数，然后进行训练与测试，训练每经过1次迭代后，在测试集上测试当前网络模型分类的准确率，并将准确率最高的模型保存下来，作为书法风格分类的最优模型。
16、本专利技术的有益效果是：
17、本专利技术方法以改进后的resnet网络为特征提取的基础网络，使用跨尺度的特征提取方式作为特征提取器，再进行特征融合，从而使得最终输入到分类器中的特征具有更全面、更具有代表性的信息。
本文档来自技高网...【技术保护点】
1.基于改进的ResNet网络与特征融合的书法风格分类方法，其特征在于，具体按照以下步骤实施：
2.根据权利要求1所述的基于改进的ResNet网络与特征融合的书法风格分类方法，其特征在于，步骤2中数据集预处理的具体过程为：
3.根据权利要求1所述的基于改进的ResNet网络与特征融合的书法风格分类方法，其特征在于，步骤3中改进后的ResNet34网络各残差模块卷积层中的卷积为深度可分离卷积，并增加注意力机制模块。
4.根据权利要求3所述的基于改进的ResNet网络与特征融合的书法风格分类方法，其特征在于，步骤3中的特征提取模块由四个阶段构成，其中，第一阶段的输入为原始图像，第二、三、四阶段的输入均为前一阶段的输出，各阶段输出的特征图除了会输入到下一阶段外，还会直接输入到特征融合模块中，并且对每个阶段的输出添加注意力机制。
5.根据权利要求4所述的基于改进的ResNet网络与特征融合的书法风格分类方法，其特征在于，所述特征融合模块将由特征提取模块四个阶段得到的特征图在特征拼接层中进行拼接融合，再将融合后的特征输入到softmax函数计
6.根据权利要求5所述的基于改进的ResNet网络与特征融合的书法风格分类方法，其特征在于，四个阶段的输出特征输入到特征融合模块前均经过全局平均池化层以及线性映射层，从而得到尺寸一样的一维特征向量，且对于四个阶段提取到的特征均设置有权重参数，参数的初始值由低阶段到高阶段依次升高，后续通过模型训练自适应调整这些参数。
7.根据权利要求1所述的基于改进的ResNet网络与特征融合的书法风格分类方法，其特征在于，步骤4具体为：
...【技术特征摘要】
1.基于改进的resnet网络与特征融合的书法风格分类方法，其特征在于，具体按照以下步骤实施：
2.根据权利要求1所述的基于改进的resnet网络与特征融合的书法风格分类方法，其特征在于，步骤2中数据集预处理的具体过程为：
3.根据权利要求1所述的基于改进的resnet网络与特征融合的书法风格分类方法，其特征在于，步骤3中改进后的resnet34网络各残差模块卷积层中的卷积为深度可分离卷积，并增加注意力机制模块。
4.根据权利要求3所述的基于改进的resnet网络与特征融合的书法风格分类方法，其特征在于，步骤3中的特征提取模块由四个阶段构成，其中，第一阶段的输入为原始图像，第二、三、四阶段的输入均为前一阶段的输出，各阶段输出的特征图除了会输入到下一阶段外，还会直接输入到特征融合模块中，并且对...
【专利技术属性】
技术研发人员：张九龙，贾凌云，曹一萌，王志晓，屈小娥，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。