基于卷積神經(jīng)網(wǎng)絡(luò)的唐卡尊像自動分類研究

陳玉紅，劉曉靜

(青海大學(xué) 計算機(jī)技術(shù)與應(yīng)用系，青海 西寧 811601)

0 引 言

唐卡是用顏料或其他材料涂在彩色絲綢上的宗教卷軸畫。它是一種具有地方特色的繪畫形式[1]，也是中國重要的非物質(zhì)文化遺產(chǎn)之一。唐卡內(nèi)容豐富，包括建筑物、醫(yī)藥學(xué)、天文歷算、傳奇故事等[2]。由于唐卡生產(chǎn)材料、涂料、地理環(huán)境、自然環(huán)境和宗教文化的特殊性，僅存在于少數(shù)地區(qū)且現(xiàn)存數(shù)量較少。此外，唐卡內(nèi)容廣泛，色澤鮮艷，整個畫面層次分明，前景和背景區(qū)分不明顯，構(gòu)圖復(fù)雜，結(jié)構(gòu)嚴(yán)謹(jǐn)，一幅唐卡畫像首先按照造像量度標(biāo)準(zhǔn)起稿，面部五官、頭、胸、腰等各個部位都有嚴(yán)格的要求。唐卡畫家通常需要多年的實踐才能繪制出真正的唐卡[3]，并且唐卡畫像保存有一定的難度，難以處理受潮、水漬、霉斑、臟化等問題，因此數(shù)量較少。以上兩個主要原因加上唐卡是中國的非物質(zhì)文化遺產(chǎn)，要加大力度研究唐卡的數(shù)字化保護(hù)，為保護(hù)唐卡貢獻(xiàn)自己的一份力量。

分類時較其他類型圖像存在的挑戰(zhàn)：

(1)唐卡圖像和一般圖像相比，內(nèi)容豐富，構(gòu)圖復(fù)雜。如圖1(b)所示，同一幅唐卡圖像中，各個尊像的手勢、坐姿、服裝都有不同之處，人物之外的地方，細(xì)節(jié)精細(xì)，構(gòu)圖元素非常復(fù)雜且背景干擾大。在唐卡圖像當(dāng)中，背景復(fù)雜，構(gòu)圖元素極多，對唐卡尊像分類干擾較大，這使得分類難度加大。

(2)類內(nèi)差大，即同一類的物體表觀特征差別比較大。如圖1(c)、(d)所示，從唐卡分類規(guī)則得知，手拿寶劍的都是文殊菩薩，但是外觀卻差別很大。

(3)類間模糊性大，即不是同一類物體的實例具有一定的相似性。如圖1(e)、(f)所示，分別為黃財神、財寶天王，但相似性較大。

圖1 不同的唐卡尊像圖像

該文首次構(gòu)建了一個有關(guān)唐卡尊像的數(shù)據(jù)集，首次應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)對唐卡尊像圖像進(jìn)行分類。在唐卡專業(yè)分類知識的前提下，通過設(shè)計的CNN網(wǎng)絡(luò)模型，根據(jù)內(nèi)容對唐卡尊像進(jìn)行分類，為研究人員提供了便利，讓越來越多的人理解和保護(hù)唐卡。

該文的主要貢獻(xiàn)在于：構(gòu)建了尊像唐卡分類數(shù)據(jù)集，并提出了一個淺層的CNN模型進(jìn)行唐卡尊像分類，該CNN模型結(jié)合了AlexNet[4]、VGG16[5]、ResNet[6]模型的優(yōu)點。最后，在同一個唐卡數(shù)據(jù)集上將優(yōu)化的模型和其他典型分類模型進(jìn)行了比較。

1 相關(guān)工作

圖像分類分為基于特征學(xué)習(xí)和深度學(xué)習(xí)的圖像分類方法，但對唐卡圖像的研究較少。下面將分別介紹傳統(tǒng)常見的圖像分類方法、基于深度學(xué)習(xí)的圖像分類方法和對唐卡圖像的研究。

周依蓮提出一種特征選擇策略，在得到最優(yōu)特征集的同時也可以約束不相關(guān)特征，從而實現(xiàn)了CT圖像的不同類型肺癌分類，準(zhǔn)確率達(dá)到86%左右[7]；李奇峰提出在遙感影像分類中采用不同的方式進(jìn)行紋理特征提取，然后和光譜特征相結(jié)合，并利用支持向量機(jī)(support vector machine，SVM)分類器進(jìn)行遙感影像分類的方法，分類精度提升10%[8]；黃萬繼將尺度不變特征變換(scale-invariant feature transform，SIFT)和SVM相結(jié)合應(yīng)用到場景識別方面，與其他傳統(tǒng)方法相比，分類準(zhǔn)確率達(dá)85.12%[9]；晉遠(yuǎn)等人用貝葉斯分類器進(jìn)行家電設(shè)備識別，對每個設(shè)備類別的條件概率估計，最終識別正確率達(dá)91%[10]。

除此以外，圖像分類還包括電器標(biāo)簽分類[11]、交通標(biāo)志分類[12-13]、花卉圖像分類[14]、果蔬圖像分類[15-16]等方面，但近幾年，應(yīng)用深度學(xué)習(xí)進(jìn)行圖像分類的研究也愈發(fā)增多，尤其是在CNN基礎(chǔ)上進(jìn)行分類研究的[17-18]。

在零售情況未知的情況下，用架構(gòu)相同，但是矩陣權(quán)重不同的兩個九層卷積神經(jīng)網(wǎng)絡(luò)對水果進(jìn)行分類，兩個網(wǎng)絡(luò)分別分類水果類別和區(qū)分水果品種，最終對于同一品種的水果分類準(zhǔn)確度達(dá)到99.78%[19]；童浩然將ImageNet數(shù)據(jù)集和MNIST數(shù)據(jù)集用于改進(jìn)和優(yōu)化CNN，在使用Inception結(jié)構(gòu)時分別使用了Dropout和Adam算法，最終識別率得到提高，達(dá)96.53%[20]；謝瀟雨提出卷積神經(jīng)網(wǎng)絡(luò)模型的批量歸一化處理，之后經(jīng)過全連接層的傳遞，并通過輸出層獲得最終的分類結(jié)果，從而提高了入侵檢測系統(tǒng)的準(zhǔn)確率和檢出率[21]；任飛凱通過局部二值模式(local binary patterns，LBP)特征臉作為CNN的輸入，同時采用Adam算法優(yōu)化模型，融入Nesterov動量思想并通過改進(jìn)二階估計偏差修正來使學(xué)習(xí)率呈現(xiàn)單調(diào)遞減的狀態(tài)，實驗結(jié)果顯示優(yōu)化后的模型收斂性更好，人臉識別效果更佳，準(zhǔn)確率高達(dá)91.05%[22]；江白華在CNN模型結(jié)構(gòu)中引入DenseNet稠密連接結(jié)構(gòu)，并使用批歸一化與Dropout層，選擇Adam優(yōu)化網(wǎng)絡(luò)參數(shù)，Relu作為激活函數(shù)，實現(xiàn)了人臉在線識別，并通過與VGG16、ResNet14模型對比，驗證該模型的性能優(yōu)異，在線識別準(zhǔn)確率達(dá)92.5%[23]；黃雪麗等人用SMOTE技術(shù)擴(kuò)增數(shù)據(jù)，將數(shù)據(jù)直接輸入到CNN模型中，國畫圖像的分類方法是基于Relu和Sigmoid激活函數(shù)的組合，準(zhǔn)確率達(dá)91.55%[24]；朱等人改進(jìn)CNN，將全連接的層數(shù)減少一層，并用具有七個缺陷標(biāo)簽的Softmax分類層替換了Softmax分類器。卷積層和池化層的權(quán)重參數(shù)在預(yù)訓(xùn)練模型中共享，此模型對于水泥混凝土橋梁表面缺陷的分類準(zhǔn)確率有98.96%[25]。

卷積神經(jīng)網(wǎng)絡(luò)有較多改進(jìn)版本，主要方法就是采用Adam算法優(yōu)化模型，通過批歸一化與Dropout改善網(wǎng)絡(luò)，緩解過擬合，不同作者有不同的網(wǎng)絡(luò)模型，但是在唐卡方面的工作并不是很多。國內(nèi)主要是對破損唐卡進(jìn)行修復(fù)[26]，提出的修復(fù)方法主要適用于對稱性唐卡；再者就是唐卡圖像的檢索以及局部圖像的識別[27]，李曉杰將局部累加直方圖和傳統(tǒng)局部累加圖進(jìn)行對比，研究發(fā)現(xiàn)基于HSV空間的局部累加直方圖方法更適用于唐卡圖像的檢索[28]；王鐵君等人提出一種融合Hu矩和局部二進(jìn)制模式的圖像特征提取方法, 在此基礎(chǔ)上，提出了一種基于距離密度的改進(jìn)的K近鄰分類算法，待識別唐卡法器所屬的種類與周圍鄰居點的距離越近，相關(guān)度越高[29]；王鐵君等人基于改進(jìn)的SVM分類方法，根據(jù)主題對唐卡圖像進(jìn)行分類，然后從兩個層次上標(biāo)記唐卡中數(shù)量最多的圣像類唐卡，根據(jù)監(jiān)督學(xué)習(xí)算法實現(xiàn)自動識別與標(biāo)注唐卡中的法器、頭飾和手勢，得到標(biāo)注關(guān)鍵詞，與已建立的推理規(guī)則進(jìn)行查詢推理，實現(xiàn)唐卡圖像的全局二次標(biāo)注[30-31]。謝輝和其他人僅用了簡單的分類規(guī)則，他們將唐卡分為四類，一種是基于不同的背景：紅色、金色、黑色和彩色； 另一個是根據(jù)內(nèi)容來判斷，將唐卡分為佛、菩薩、宗師等，沒有更詳細(xì)的分類[32]。劉華明等人將唐卡頭飾通過自我編碼進(jìn)行監(jiān)督學(xué)習(xí)，然后在卷積池化操作過程之后輸入標(biāo)記的訓(xùn)練樣本以訓(xùn)練Softmax分類器，此論文方法在唐卡頭飾分類方面具有較好的分類性能[33]。

解輝等人僅對尊像類唐卡根據(jù)內(nèi)容進(jìn)行了簡單的分類，并沒有更詳細(xì)的分類，因此，該文在此基礎(chǔ)上對尊像類唐卡進(jìn)行了更詳盡的分類，并建立了分類數(shù)據(jù)集。從唐卡的復(fù)原，目標(biāo)識別與檢索的研究角度來看，尚無關(guān)于尊像唐卡圖像分類與識別的研究。因此，該文提出了一種改進(jìn)的CNN模型，用于對唐卡人像進(jìn)行分類。實驗證明，該模型在唐卡尊像圖像分類中具有比典型模型更好的效果。該實驗為唐卡研究人員提供了便利，使越來越多的人了解唐卡，并加入保護(hù)唐卡的行列。越來越多的人可以理解、探索和研究唐卡文化和藝術(shù)的真正價值，繼承和發(fā)揚(yáng)唐卡文化的優(yōu)良傳統(tǒng)，更有利于對這一非物質(zhì)文化遺產(chǎn)進(jìn)行數(shù)字保護(hù)。

2 數(shù)據(jù)集

2.1 唐卡分類規(guī)則

根據(jù)唐卡相關(guān)書籍《世界最美唐卡—三界故事》、《中國唐卡》學(xué)習(xí)得到的圣像類唐卡相關(guān)知識，將唐卡根據(jù)主尊的類別進(jìn)行分類，根據(jù)有關(guān)書籍分類知識的總結(jié)歸納一共將唐卡分為六大類，其中每一類別又可以具體細(xì)分。

在實驗當(dāng)中，一共選取了13個小類進(jìn)行實驗，其中，如圖2(a)所示，釋迦牟尼佛為黃色身，發(fā)髻高聳，身披袈裟，結(jié)痂跌坐于法臺上；圖2(b)為四臂觀音，共有四只手，一般中間兩手合掌于胸前，右上手持水晶念珠，左手持蓮花；圖2(c)為白度母，主要形象特征是身體為白色，面有三目，上身袒露，左右手手心中各有一眼，左手于胸前執(zhí)蓮花；圖2(d)為藥師佛，雖然和釋迦牟尼佛很相似，但是也有不同之處，藥師佛身體一般為藍(lán)色，右手膝前執(zhí)一果樹枝，左手臍前捧佛缽。根據(jù)前述圣像類唐卡人物的分類知識以及其他尊像分類的知識，將圖2所示的唐卡人物等進(jìn)行分類。

圖2 不同的唐卡尊像圖像

2.2 獲取原始唐卡圖像

唐卡圖像通過多種渠道獲取，途徑一：通過爬蟲技術(shù)從網(wǎng)上下載唐卡圖像，然后手動篩選，將不是唐卡圖像、圖像不完整，殘缺較多的圖像剔除；途徑二：將唐卡相關(guān)書籍《故宮唐卡圖典》、《西藏唐卡(精)》、《熱貢年都乎唐卡藝術(shù)》上的唐卡圖像用掃描儀進(jìn)行掃描得到；途徑三：通過走訪唐卡繪制大師，了解唐卡相關(guān)知識，并征得同意后進(jìn)行唐卡圖像的拍攝；整個數(shù)據(jù)集的收集花費(fèi)時間較長。

2.3 構(gòu)建唐卡數(shù)據(jù)集

由于唐卡圖像數(shù)量有限且不均勻，難以滿足神經(jīng)網(wǎng)絡(luò)模型需要大量數(shù)據(jù)的要求，因此對數(shù)量比較少的圖像進(jìn)行數(shù)據(jù)增強(qiáng)，通過鏡像翻轉(zhuǎn)、亮度增強(qiáng)、顏色增強(qiáng)、對比度增強(qiáng)、添加高斯噪聲、椒鹽噪聲等操作擴(kuò)充數(shù)據(jù)集，使測試集在數(shù)量擴(kuò)大的同時大致均勻，其中，鏡像翻轉(zhuǎn)操作包括上下翻轉(zhuǎn)和左右翻轉(zhuǎn)；亮度增強(qiáng)包括使圖片變亮和變暗，分別取原來圖片明暗度的1.5倍和0.6倍；顏色增強(qiáng)取值為原來顏色的1.8倍，對比度增強(qiáng)是原來圖片的1.5倍；在原來的RGB圖像中加入均值為0，方差為0.006的高斯噪聲；椒鹽噪聲即在RGB圖像中加入的噪聲密度為0.008。擴(kuò)增后的數(shù)據(jù)集數(shù)量是擴(kuò)增前的8倍。整個數(shù)據(jù)集包含19 895張?zhí)瓶▓D像。整個數(shù)據(jù)集共有13個類別，其中藥師佛、釋迦牟尼佛和蓮花生大師占很大的比例，其余的分布均勻，圖像大小均為(100,100)。

3 卷積神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

3.1 卷積神經(jīng)網(wǎng)絡(luò)基本原理

CNN是一種前饋神經(jīng)網(wǎng)絡(luò)，包括卷積運(yùn)算，具有深層的網(wǎng)絡(luò)結(jié)構(gòu)[34]。它用于圖像領(lǐng)域的監(jiān)督學(xué)習(xí)中，并在圖像識別[35]、圖像檢測[36-37]等方面有許多應(yīng)用。 CNN的基本結(jié)構(gòu)包括輸入層、卷積層、池化層和完整連接層。

卷積層主要負(fù)責(zé)提取圖像中的局部特征，主要通過卷積核的過濾提取出圖片中的局部特征，卷積層的計算過程為用卷積核掃描整個圖片，卷積操作利用共享權(quán)值和偏置值的特點來進(jìn)行卷積操作從而提取得到數(shù)據(jù)的抽象特征。

池化層經(jīng)常出現(xiàn)在兩個卷積層之間，以減小尺寸，有效減小矩陣的大小以實現(xiàn)下采樣，減少輸入到最后一個全連接層的參數(shù)，并減少數(shù)據(jù)操作量，避免數(shù)據(jù)的過擬合[38]。

全連接層類似于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的一部分，用于輸出所需的結(jié)果。卷積層和池化層處理的數(shù)據(jù)可以輸入到全連接層，輸出結(jié)果是將所有數(shù)據(jù)組合成全局特征以獲得最終的分類結(jié)果。

激活函數(shù)用于提供網(wǎng)絡(luò)的非線性建模功能，將非線性元素引入神經(jīng)網(wǎng)絡(luò)，使神經(jīng)網(wǎng)絡(luò)能夠完成非線性映射，并允許深度神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)非線性的能力[39]，因此在深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程中加入激活函數(shù)非常重要。常見的激活函數(shù)有Sigmoid、Elu、Tanh以及Relu等[40]，該文采用Relu函數(shù)，如公式(1)所示：

f(x)=max(0,x)

(1)

Relu函數(shù)的運(yùn)算極其簡單，直接取0和x的最大值即可，提升機(jī)器運(yùn)行效率。

直接輸入圖像作為CNN的輸入。在進(jìn)行平均、歸一化和其他操作之后，將圖像信息轉(zhuǎn)換為像素級信息，然后輸入到卷積層。通過局部感知和權(quán)重共享來減少大量計算參數(shù)，使用Relu激活函數(shù)來加快收斂速度；使用最大池化層，即使用激活層輸出的樣本的最大值作為樣本值；最后，在完全連接操作之后，將多組信號依次組合為一組信號，然后輸出結(jié)果。

3.2 設(shè)計網(wǎng)絡(luò)模型

該文的網(wǎng)絡(luò)模型基于CNN的基本模型，并結(jié)合了其他模型的優(yōu)點。卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)包括輸入層、卷積層、激活層、池化層和完全連接層。主要介紹以下部分：

(1)Dropout層。AlexNet模型引入了Relu激活功能和Dropout層。隨機(jī)丟棄會阻止某些權(quán)重被更新。這是一種正則化技術(shù)通過在訓(xùn)練過程中防止神經(jīng)元節(jié)點之間的關(guān)節(jié)適應(yīng)來減少過度擬合。

(2)BatchNorm[41]。GoogleNet模型首次引入BatchNorm，以批量標(biāo)準(zhǔn)化每個池化層處理的數(shù)據(jù)，加快訓(xùn)練數(shù)據(jù)的收斂速度并減少不同批次之間的抖動，從而提高訓(xùn)練速度。

(3)512維全連接層。 VGG16模型引入了提到的512維全連接層。

(4)損失功能。損失函數(shù)使用交叉熵?fù)p失函數(shù)。此功能通常用于分類問題,它將其與激活函數(shù)softmax結(jié)合使用以獲得損耗值。計算公式如下：

(2)

(5)優(yōu)化函數(shù)。該文使用Adam算法來提高模型質(zhì)量并減少計算量?；趽p失函數(shù)和圖像的準(zhǔn)確性來判斷是否達(dá)到準(zhǔn)確性比率的最佳值。

網(wǎng)絡(luò)模型如圖3所示，其中Conv為卷積層，Relu為激活函數(shù)，BN為批量歸一化層，Pooling為池化層，F(xiàn)C指的是全連接層，softmax函數(shù)保證歸一化和為1，在分類場景中應(yīng)用較多。

圖3 卷積神經(jīng)網(wǎng)絡(luò)模型

4 實驗及分析

4.1 實驗步驟

唐卡人物分類的流程主要包括圖像預(yù)處理、模型構(gòu)建以及模型預(yù)測。

步驟一：唐卡尊像圖像預(yù)處理。

(1)將樣本集中的所有圖像進(jìn)行鏡像翻轉(zhuǎn)、亮度增強(qiáng)、亮度減弱、顏色增強(qiáng)、添加高斯噪聲、椒鹽噪聲等圖像增強(qiáng)的預(yù)處理操作；

(2)生成對應(yīng)的數(shù)據(jù)列表，對圖片進(jìn)行縮放，裁剪為100×100的尺寸，即圖片維度為(3，100，100)。然后將圖片數(shù)組進(jìn)行歸一化處理，得到0與1之間的數(shù)值；

(3)將所有的圣像類唐卡圖像樣本輸入，并隨機(jī)抽取每個小類里的十分之一的樣本作為測試集圖像，其他部分作為訓(xùn)練集樣本。

步驟二：構(gòu)建CNN基本模型。

(1)所構(gòu)建的CNN基本網(wǎng)絡(luò)結(jié)構(gòu)主要包括三組卷積層、池化層和完全連接層；

(2)將學(xué)習(xí)率初始化為0.01，Batch size大小設(shè)定為128進(jìn)行實驗，若準(zhǔn)確率不再提高，則將學(xué)習(xí)率每次降低10倍，Batch size大小根據(jù)2n進(jìn)行調(diào)整，得到一個基本的網(wǎng)絡(luò)模型，最終學(xué)習(xí)率設(shè)為0.000 1，batch size設(shè)為64，經(jīng)過一段時間的訓(xùn)練，最終損失函數(shù)收斂較快，準(zhǔn)確率不斷處于上升階段；

(3)加入BatchNorm層和Dropout層進(jìn)行進(jìn)一步的實驗，手動調(diào)整學(xué)習(xí)率以及Batch size的數(shù)值，并用驗證集對訓(xùn)練進(jìn)行評估，不斷優(yōu)化，保存好訓(xùn)練的模型，然后將卷積池化層的可調(diào)參數(shù)進(jìn)行實驗。

步驟三：模型預(yù)測。

(1)配置好預(yù)測的模型，準(zhǔn)備好要預(yù)測的圖片；

(2)加載之前訓(xùn)練好的預(yù)測模型；

(3)把圖片放入預(yù)測模型，輸出最終預(yù)測結(jié)果。

4.2 實驗結(jié)果及分析

該實驗主要在配備8線程CPU，NVIDIA V100 GPU，16 GB顯存，100 GB磁盤和32 GB RAM的服務(wù)器上運(yùn)行，并且訓(xùn)練測試過程是使用python實現(xiàn)的。

首先在訓(xùn)練集上進(jìn)行實驗以最大程度地提高訓(xùn)練集的準(zhǔn)確性，然后在測試集上進(jìn)行測試以獲得最終的準(zhǔn)確率。要在選定的訓(xùn)練集上進(jìn)行訓(xùn)練，首先在基礎(chǔ)上調(diào)整學(xué)習(xí)率和Batch size，然后調(diào)整池化層的相關(guān)參數(shù)，以下是實驗數(shù)據(jù)。

經(jīng)過不斷測試，最終學(xué)習(xí)率選擇0.000 1比較合適，一共訓(xùn)練30輪。首先暫定濾波器大小為3，池化層大小為2，池化層步長為2，Batch size選擇64，激活類型選擇Relu函數(shù)。

為了測試濾波器大小、池化層大小、池化層步長以及Batch大小對于圣像類唐卡人物分類的準(zhǔn)確率的影響，進(jìn)行了以下幾個實驗，實驗主要采用單一變量法進(jìn)行，即進(jìn)行其中一項對最終分類結(jié)果的影響，設(shè)定其他項保持不變：

首先測試濾波器大小對實驗結(jié)果的影響，保持池化層大小、池化層步長為2，Batch大小為64，改變?yōu)V波器大小，對比分類準(zhǔn)確率。

由表1可以看出，在池化層大小、池化層步長以及Batch大小保持不變的情況下，濾波器大小設(shè)置為2準(zhǔn)確率更高，所以當(dāng)filter_size=2時，保持池化層步長不變，測試池化層大小對實驗結(jié)果的影響。

表1 濾波器大小對實驗結(jié)果的影響

如圖4所示，當(dāng)濾波器大小，池化層步長和批次大小保持不變時，池化層大小將用作變量。實驗結(jié)果表明，當(dāng)池化層大小為1時，分類準(zhǔn)確率最高，達(dá)到94.81%。

圖4 池化層大小對分類準(zhǔn)確率的影響

從圖5中可以看出，當(dāng)濾波器大小為2時，池化層大小為1，將池化層步長設(shè)置為1，則精度最高，達(dá)到96.76%。

圖5 池化步長對分類準(zhǔn)確率的影響

此外，批次值的大小也會影響最終分類結(jié)果的準(zhǔn)確性和效率。在實際訓(xùn)練中，將所有訓(xùn)練集劃分為相同的訓(xùn)練集，然后在第二次訓(xùn)練期間，將所有分割的批次訓(xùn)練集依次放入網(wǎng)絡(luò)中，直到完成所有批次訓(xùn)練集的訓(xùn)練為止，然后執(zhí)行下一輪迭代。通過實驗數(shù)據(jù)總結(jié)批次的大小和準(zhǔn)確性之間的關(guān)系，以進(jìn)行更好的訓(xùn)練。 實驗數(shù)據(jù)如表2所示。

表2 Batch大小對實驗結(jié)果的影響

由表2可知：當(dāng)Batch的值小于50時，準(zhǔn)確率只有81.21%，并且在訓(xùn)練過程中花費(fèi)的時間明顯比其他Batch值的時候更長，當(dāng)Batch在50及以上時，基本保持不變，Batch越大，訓(xùn)練所花費(fèi)時間越多，所以最終實驗中采用Batch為64比較合理。

在訓(xùn)練集上調(diào)整各類參數(shù)，使最終的訓(xùn)練精度達(dá)到最高以后，在測試集上進(jìn)行測試。如上所述，文章當(dāng)中采用每一類當(dāng)中的十分之一作為最終測試集的數(shù)據(jù)。

具體的分類結(jié)果如圖6所示。

圖6 部分分類結(jié)果展示

根據(jù)最終的預(yù)測結(jié)果，獲得模型的準(zhǔn)確性、召回率、精確度，對于采集的樣本，可以直接知道實際情況下哪些數(shù)據(jù)為正，哪些數(shù)據(jù)為負(fù)。通過使用樣本數(shù)據(jù)運(yùn)行分類模型結(jié)果，還可以知道模型認(rèn)為哪些數(shù)據(jù)是正數(shù)據(jù)，哪些數(shù)據(jù)是負(fù)數(shù)據(jù)，下面是四個基本指標(biāo)：

(1)真實值為正，并且模型認(rèn)為該數(shù)字為正(True Positive =TP)；

(2)真實值為正，但模型認(rèn)為該數(shù)字為負(fù)(False Negative=FN)；

(3)真實值為負(fù)，但模型認(rèn)為該數(shù)字為正(False Positive=FP)；

(4)真實值為負(fù)，并且模型認(rèn)為該數(shù)字為負(fù)(True Negative=TN)；

(3)

準(zhǔn)確率的計算公式見公式(3)，精確度和召回率的計算公式見公式(4)和公式(5)：

(4)

(5)

在多分類問題中，在計算召回率和準(zhǔn)確率時，將要為每個類別計算的類別視為正類別，而將其余類別視為負(fù)類別。 各個類別的召回率、準(zhǔn)確率和精確度如表3所示。

表3 各類別的召回率、精確度和準(zhǔn)確率

由性能評價指標(biāo)Accuracy可得：大威德金剛的得分高達(dá)99.5%，而四臂觀音的得分最低，為88.6%，主要原因是大威德金剛的圖像在色彩以及構(gòu)造上是最復(fù)雜的，與其他類別的差別較大，比較容易區(qū)分；但是四臂觀音的造像和普賢菩薩比較相似，面部表情、頭飾以及手勢比較相似，所以分類錯誤的圖像較多。另外，由于整個訓(xùn)練集當(dāng)中每個類別的數(shù)量不均勻，釋迦牟尼佛的數(shù)量最多，因此，其他類別當(dāng)中也有較多的圖像被分類為釋迦牟尼佛。

4.3 與其他分類算法的比較

為了驗證文中提出方法的性能，在最佳參數(shù)條件下，將該方法與其他典型的圖像分類方法進(jìn)行了比較，如圖7所示。實驗結(jié)果表明：在相同數(shù)據(jù)集下，該方法的準(zhǔn)確率比其他幾種方法高約3%，分類效果更好。

圖7 文中方法與其他典型方法準(zhǔn)確率的比較

5 結(jié)束語

該文主要研究基于卷積神經(jīng)網(wǎng)絡(luò)模型的唐卡人像自動分類方法，首先構(gòu)建一個唐卡尊像分類數(shù)據(jù)集，然后在此基礎(chǔ)上進(jìn)行基于卷積神經(jīng)網(wǎng)絡(luò)模型的唐卡尊像圖像分類實驗。實驗證明，在唐卡尊像圖像分類中，提出模型的準(zhǔn)確率提高了3%以上，更適合于唐卡尊像圖像分類。減少分類所花費(fèi)的人力和物力，對唐卡非物質(zhì)文化遺產(chǎn)進(jìn)行數(shù)字保護(hù)，使更多人參與唐卡的保護(hù)。

該方法的優(yōu)點是使用了相對較新的卷積神經(jīng)網(wǎng)絡(luò)來重組網(wǎng)絡(luò)結(jié)構(gòu)層，實現(xiàn)了較淺的網(wǎng)絡(luò)結(jié)構(gòu)分類模型的構(gòu)建，并且在自己構(gòu)建的數(shù)據(jù)集上進(jìn)行測試。然而該方法也存在一定的缺陷，即訓(xùn)練模型花費(fèi)時間太久，系統(tǒng)界面功能單一。在以后的工作當(dāng)中，將以提高訓(xùn)練效率為重點，并在此次實驗的基礎(chǔ)上繼續(xù)進(jìn)行唐卡人物的檢測，將其他神經(jīng)網(wǎng)絡(luò)模型(如yolov3、SSD等)進(jìn)行改進(jìn)并應(yīng)用到唐卡人物的分類及人物、法器、頭飾等的檢測當(dāng)中，為唐卡這種非物質(zhì)文化遺產(chǎn)的數(shù)字化保護(hù)貢獻(xiàn)一份力量。