摘要: 目的 / 意义 近代文献中的图像作为重要的历史史料,日益受到人文学者的重视,大规模图像资源的深度标注也随 之成为图像数据基础设施建设的重要组成部分,利用深度学习对海量图像进行内容解析是图像研究的新方向。本文的研究目 的,是通过基于EfficientNet 的迁移学习在近代文献图像分类中的实证研究,解决大规模近代文献图像的自动分类问题,提 高其在实际应用中的准确率和效率。 方法 / 过程 本文的研究方法,是根据近代文献图像中的特征分析,采用 7 645 张近代 文献图像数据集,通过裁切、白平衡、色调分离、仿射变换等图像增强手段串行叠加,提高样本图像的多样性,并通过对深 度学习算法的研究,使用微调的简化 EfficientNet 深度卷积神经网络模型进行迁移学习,最终得到了在近代文献图像分类上 表现良好的模型。 结果 / 结论 本文的研究结论,是根据实验结果发现,该模型有效提高了图像分类效率和分类准确性,对 于解决近代文献中大规模图像的自动分类具有一定的推广价值。
[V1] | 2023-09-05 16:44:06 | ChinaXiv:202309.00062V1 | 下载全文 |
1. 融媒体赋能高校图书馆阅读推广文化育人品牌活动的研究 | 2023-12-04 |
2. 论课程信息素养 | 2023-11-22 |
3. 美国高校信息素养教育TTT教学模式的研究 | 2023-11-22 |
4. 中国式现代化对于全球开放科学实践的启示与意义 | 2023-11-17 |
5. 高校青年学者科研竞争力多维评价体系研究 | 2023-11-12 |
6. 数据管理计划是保障公共数据开放利用与价值实现的关键措施 | 2023-11-07 |
7. 基于知识图谱的黄河流域非遗资源 智能问答研究 | 2023-11-07 |
8. 基于文本挖掘与复杂网络的我国绿色消费领域 研究主题挖掘 | 2023-11-07 |
9. 《点石斋画报》主题演化分析 | 2023-11-07 |
10. 浅谈“挖衬”技艺在名人手札修复中的应用——以南开大学图书馆藏《林颂河手札》修复为例 | 2023-11-07 |