基于真彩色图像的景德镇 青花瓷鉴别分类

21世纪以来，计算机的运算能力和运算速度得到显著提高，在快速的计算能力和巨大数据集的支持下，深度学习也得到了迅猛发展，其中卷积神经网络在图像分类方面应用较广。深度学习是通过构建多层网络，计算机自动从底层开始层层学习，可以经过不同层次的信息处理、转化和抽象，提取出更高维、更抽象的数据，再进行特征表示。迁移学习是一种将知识从源域迁移到目标域的手段。与传统的机器学习不同，迁移学习认为训练数据和测试数据的域可能不同。迁移学习专注于存储在解决一个问题时获得的知识，并将其应用于不同但相关的问题。通过深度学习以及迁移学习，可以节省时间并降低成本，同时可以帮助提高模型鲁棒性。目前数字化博物馆、数字化文物瓷器展馆正渐渐发展为人们了解文化、探索瓷器奥秘的新途径。青花瓷的鉴别不仅是重中之重，对青花瓷背后所蕴含的文化宣传亦极其重要。青花瓷鉴别方式与技术随着时代发展，已有了长足进步。在结合了深度学习等技术后，青花瓷鉴别将变得更加稳定、精准、还原程度更高，对保护我国现有的青花瓷以及青花瓷文化具有重大作用。与之相伴的数字化青花瓷建档亦是人们了解青花瓷文化的重要途径，随着技术的不断发展，传统青花瓷的保护必将达到一个新的高度。

本章节主要总结各模型对不同年代景德镇青花瓷真彩色图像进行分类的优劣，首先对图像进行预处理操作，主要包括：随机裁剪、图像数据增强和归一化等过程，提高模型泛化能力和抗干扰能力。使用VGG16和ResNet50两种网络模型，加载ImageNet数据集上的模型参数和预训练权重，对模型全连接层进行修改，再进行不同年代景德镇青花瓷真彩色图像分类，实验表明改进的VGG16和ResNet50两种经典网络模型对景德镇青花瓷图像分类有着优越性。

本章技术路线如图3.1所示。

图3.1　技术路线