计算机辅助设计与图形学学报

作者：高未泽, 陈善雄, 莫伯峰, 杨烨, 苏本朋

关键词：甲骨材质分类, 图像分割, 卷积神经网络, UNet++

同材质甲骨残片的缀合工作是甲骨学研究的重要分支,为解决甲骨材质的分类问题,提出以R-UNet++为主的分类框架.R-UNet++继承了UNet++中密集的卷积块链接,并在此基础上引入注意力模块、双线性上采样方法和残差单元的改进策略,在提升网络细粒度分割能力的前提下,有效抑制了多尺度特征融合时产生的噪声响应.在分类框架中,首先通过R-UNet++准确分割类间差异性信息;然后采用ResNet50作为分类网络,对R-UNet++的分割图像进一步提取特征,并实现甲骨材质的分类.在真实的甲骨材质数据集中进行了分割和分类实验,结果表明,R-UNet++不仅可以实现高准确度的分割,而且对比其他多种优秀的分类网络,分类准确度有较高的提升,这充分验证了所提分类框架的可行性和高效性.

来源：2022年第3期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2022年第3期