基于注意力机制和迁移学习的古壁画朝代识别

来源：计算机应用杂志2023年第6期北京时间：

作者：张慧斌, 冯丽萍, 郝耀军, 王一宁

单位：1.忻州师范学院 计算机系，山西 忻州 034000；2.燕山大学 信息科学与工程学院，河北 秦皇岛 066004

摘要：卷积神经网络（CNN）已成功用于敦煌古壁画的朝代分类。针对敦煌壁画的数据量有限，采用某些数据增强方法对训练集进行扩充时反而会降低预测准确率的问题，提出了一种基于注意力机制和迁移学习的残差网络（ResNet）模型。首先，改进了残差网络的残差连接方式；然后，使用极化自注意力（POSA）模块帮助网络模型提取图像的边缘局部细节特征和全局轮廓特征，增强网络模型在小样本环境下的学习能力；最后，改进分类器的算法，提高网络模型的分类性能。实验结果表明，所提模型在敦煌壁画DH1926小样本数据集上，取得了98.05%的朝代分类准确率，与标准的ResNet20网络模型相比，所提模型的朝代识别准确率提高了5.21个百分点。

关键词：卷积神经网络,注意力机制,迁移学习,残差网络,古壁画朝代识别

基金资助：教育部人文社科青年基金资助项目(20YJC630034);山西省自然科学基金资助项目(20210302124330);山西省回国留学人员科研资助项目(2020-139)