基于改進U-Net的壁畫顏料層脫落病害提取研究
【文章頁數(shù)】:63 頁
【學位級別】:碩士
【部分圖文】:
圖1-1壁畫結構和幾種常見病害示例
第1章緒論第1章緒論1.1研究背景與意義我國作為四大文明古國之一,在悠久歷史的長河中,沉淀出眾多獨具特色和寶貴的文化遺產(chǎn)。其中,文物不僅承載著璀璨的文明歷史和珍貴的文化價值,也是國家的“金色名片”。加強文物的科學保護,對傳承我國傳統(tǒng)文化和增強民族自信都具有重要的意義。壁畫作為我國....
圖2-2CNN結構示意圖
??蠻-Net網(wǎng)絡模型的改進研究。然后編程完成改進網(wǎng)絡模型的構建、訓練以及病害提取實驗,并通過對比分析,對本文改進U-Net網(wǎng)絡模型提取結果進行精度驗證。2.2卷積神經(jīng)網(wǎng)絡結構本文的壁畫病害提取是利用以CNN為基礎的圖像分割網(wǎng)絡模型,對壁畫圖像病害區(qū)域進行識別提齲CNN最初是受到....
圖2-7丟失輸出示意圖[61]
第2章病害提取思路與基礎知識程度上簡化網(wǎng)絡,而且減少神經(jīng)元之間復雜的共適應性和對某個特定神經(jīng)元的過分依賴,從而防止網(wǎng)絡模型的過擬合增強泛化能力。圖2-7丟失輸出示意圖[61]Fig.2-7SchematicdiagramofDropout2.2.6批量歸一化在CNN的訓練過程中,....
圖2-8FCN結構示意圖
第2章病害提取思路與基礎知識2.4全卷積神經(jīng)網(wǎng)絡FCN是在CNN網(wǎng)絡基礎上改進,用于圖像分割任務的網(wǎng)絡模型。它的主要結構如圖2-8所示,可以看出,F(xiàn)CN與CNN結構基本相似,具有CNN的所有特點,二者最大的區(qū)別就是用卷積層代替全連接層(全卷積化)。除此之外,F(xiàn)CN網(wǎng)絡還用到了上采....
本文編號:3974137
本文鏈接:http://www.wukwdryxk.cn/shoufeilunwen/zaizhiboshi/3974137.html