基于FA-ConvNeXt和小样本学习的唐卡主尊识别

来源：计算机技术与发展杂志2025年第06期北京时间：

作者：白科;史伟;赵心怡;徐家明

摘要：针对唐卡主尊图像识别过程中,由于图像结构和纹理特征复杂、颜色绚丽且部分构图元素具有较高相似度而造成识别类别混淆的问题,提出了 FA-ConvNeXt 网络。 首先,对于目前分类方法存在的数据集类别少、数量不平衡等问题,通过查阅资料和采用数据增强方法来扩充数据集。 为了提高网络的分类准确度,在 ConvNeXt 网络架构上引入多尺度特征增强模块(MFEB),使网络更好地提取图像的结构和纹理特征,同时构建多注意力特征提取模块(MAEB),使网络更加关注具有判别性的特征,以减少冗余信息的干扰。 通过实验与相关主流模型进行比较,结果表明,提出的 FA-ConvNeXt 网络识别准确率、召回率及 F1 值分别达到了97.26% 、97.18%、96.38%,较原网络分别提升了 7. 35 百分点、6. 94 百分点、6. 17百分点,且均优于被对比模型。 最后将 FA-ConvNeXt 网络作为唐卡小样本学习的骨干网络,在小样本分类任务中也取得了良好的效果。

关键词：唐卡主尊图像识别;注意力;多尺度特征增强;小样本学习;ConvNeXt网络