基于EfficientNet的迁移学习在近代文献图像分类中的应用研究——以上海图书馆《中国近代文献图库》为例 postprint

Abstract: 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。