3.2　图像分类经典网络模型

在先前的研究中，进行图像分类任务时对图像特征进行提取多是手动进行，之后再使用分类器进行分类，这种方式往往需要大量人力、物力，同时只有有效的图像特征才可以提高图像分类的性能。近几年来，卷积神经网络在机器学习和计算机视觉领域取得了巨大的成功。由于卷积神经网络特征提取的鲁棒性，研究人员将其用于各种应用中。最初，Alex等人提出了一个进化的卷积神经网络模型，名为AlexNet，用于图像分类任务。为了进一步提高识别精度，研究人员提出了更深层的VGG网络模型和增加残差模块的ResNet网络模型。本书采用深度学习学习技术对历代景德镇青花瓷进行年代分类，其关键是建立不同年代景德镇青花瓷分类模型，分别使用VGG16和ResNet50两种经典网络模型，对网络模型进行修改再进行不同年代景德镇青花瓷真彩色图像分类，通过VGG16和ResNet50网络模型在本书中图像分类任务上的比较，分析两者的分类效果。下面将对不同年代景德镇青花瓷分类模型的建立进行研究。