融合形态特征的小样本青铜器铭文分类算法

现有的青铜器铭文变体种类较少,利用深度学习网络训练容易出现过拟合现象,且深层卷积网络对青铜器铭文细节形态特征提取能力不足,导致铭文分类准确率较低。针对该问题,提出一种融合形态特征的小样本青铜器铭文分类算法。首先,引入形态学算法对铭文进行孔洞填充预处理,降低孔洞对铭文形态结构的影响;其次,调整AlexNet结构,并在各卷积层中引入批量归一化,控制每批随机输入值的分布情况,使输入数据符合正态分布标准,避免网络向单一方向过度学习,抑制过拟合现象;最后,使用speeded-up robust features(SURF)算子提取铭文细节形态特征,并将其与卷积神经网络提取的抽象信息融合,增强分类器的表达能力。在自制青铜器铭文数据集上的实验结果表明,所提算法的分类准确率高达98.86%,优于LeNet5、Vgg13、Vgg16、ResNet、AlexNet等传统算法,说明改进后的算法能有效解决小样本铭文分类准确率低的问题。