基于卷积神经网络优化模型的兵马俑碎片分类方法研究

发布时间：2020-03-23 12:11

【摘要】：在可视化技术和计算机数字化的飞速发展背景下,文化遗产的保护工作与传承工作也逐渐进入信息化时代。秦始皇陵墓葬坑出土的兵马俑和兵马俑文物碎片数量多、几何形状复杂、结构复杂、表面特征模糊,从而导致复原效率低下。通过对兵马俑碎片进行分类,确定碎片之间的隶属关系,可以有效地解决虚拟拼接算法复杂度高、结果不准确的问题,并有效避免人工识别对碎片造成的二次损坏。针对上述问题,本文在“面向破损兵马俑虚拟拼接的直觉模糊群体智能的自适应学习模型研究”陕西省自然科学基金项目支持下,将直觉模糊集C均值与卷积神经网络优化模型相结合,实现对兵马俑碎片的分类。具体研究内容如下:1.构造兵马俑碎片二维图像数据集。采用扫描设备获取三维数据集,在特征标注的基础上使用Geomagic系统获取碎片全局多视图二维图像数据集;采用高斯混合模型条件生成式对抗网络数据增强算法对二维图像数据集进行扩充;扩展后的数据集可以极大的改善现有碎片数据量有限导致的后续实验结果不准确、过拟合的难题,为本文后续的工作提供强有力的数据支持。2.首次在卷积神经网络模型中引入兵马俑碎片数据集,提出一种基于卷积神经网络的兵马俑碎片分类方法。将经过预处理的碎片数据集输入到卷积神经网络中,进行数据训练,避免了人工特征抽取的时间消耗,大大提高了在线计算效率,实验表明本文采用的方法相比传统方法,分类性能更好,分类效率更高。3.提出一种基于浅层卷积神经网络的兵马俑碎片分类方法。该方法考虑到卷积神经网络在碎片特征提取时由于卷积层过多、提取特征过度细腻造成的过拟合问题,对传统卷积神经网络进行一定程度的优化处理,提高了兵马俑碎片特征识别率,降低了算法时间复杂度,提高了碎片分类准确性。4.提出一种基于直觉模糊C均值卷积神经网络兵马俑碎片分类方法。该方法在浅层卷积神经网络提取碎片特征基础上引入直觉模糊集,更好地实现兵马俑碎片的特征分离,使特征更加明晰,完成碎片聚类,最后利用先验知识判定聚类碎片部位归属。该方法减少了工作成本,降低了碎片分类工作复杂度,同时也提高了分类精度。
【图文】：

最终结合先验知识给出分类结果。图 1 本文主要研究内容概况图1.4 本文章节安排第一章：绪论。详细地介绍了秦始皇陵兵马俑碎片分类的研究背景以及研究意义，根据文章用到的相关技术，介绍了国内外研究现状；在实验室工作的基础上，确定本文进行的研究工作，并给出文章的组织结构。第二章：兵马俑碎片图像数据处理及相关技术介绍。首先介绍了兵马俑碎片三维重建模型的数据预处理技术、全局多视图二维图像获取技术和数据增强技术；在此基础上，制定了兵马俑碎片分类的流程。第三章：基于卷积神经网络的兵马俑碎片分类方法。首先将兵马俑碎片全局多视图二维图像输入到卷积神经网络中；然后优化卷积神经网络中卷积层、池化层的大小

西北大学硕士学位论文复原过程中对文物产生二次损害，效率低、速度慢，，因此故不适合此类过程中需要根据拍摄角度而不断触碰此该方法也不宜使用。因此对于秦一般通过手持式三维扫描仪 Artec3D
【学位授予单位】：西北大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：K879.3;TP391.41;TP183

【相似文献】

相关期刊论文 前10条

1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期

2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期

3 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期

4 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期

5 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期

6 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期

7 鲍伟强;陈娟;熊涛;;基于进化神经网络的短期电力负荷预测研究[J];电工技术;2019年11期

8 陈晓燕;;浅析简单神经网络的发展及简单模型[J];数字技术与应用;2019年05期

9 李青华;李翠平;张静;陈红;王绍卿;;深度神经网络压缩综述[J];计算机科学;2019年09期

10 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期

相关会议论文 前10条

1 孙军田;张U

本文编号：2596705