[發明專利]古畫檢測模型訓練方法、古畫檢測方法、設備及存儲介質

在審

• 申請號: 202010102705.X
• 申請日: 2020-02-19
• 公開（公告）號: CN111325272A
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 曾媛;貢毅;李向宇
• 申請（專利權）人: 南方科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 洪銘福

1.一種古畫檢測模型訓練方法，其特征在于，包括：

獲取古畫圖像樣本數據；

對所述古畫圖像樣本數據進行數據增廣處理，得到訓練樣本；

將ImageNet數據集作為訓練數據集，訓練一個ResNet-50網絡，得到預訓練ResNet-50模型；

將所述預訓練ResNet-50模型中的平均值池化層替換成最大值池化層，并添加一個卷積層，得到預設的古畫年代分類網絡；

采用遷移學習算法對所述預設的古畫年代分類網絡進行處理，得到古畫年代檢測網絡；

將所述訓練樣本輸入到所述古畫年代檢測網絡中進行訓練，得到古畫年代檢測模型。

2.根據權利要求1所述的古畫檢測模型訓練方法，其特征在于，所述對所述古畫圖像樣本數據進行數據增廣處理，得到訓練樣本，包括：

對所述古畫圖像樣本數據進行數據增強處理，得到第一樣本數據；其中，

所述數據增強處理包括下列方式中的一種或多種：翻轉變換、位移變換和添加高斯噪聲；

對所述第一樣本數據進行尺度變換，得到第二樣本數據；

將所述第二樣本數據作為所述訓練樣本。

3.根據權利要求2所述的古畫檢測模型訓練方法，其特征在于，所述對所述古畫圖像樣本數據進行數據增廣處理，得到訓練樣本，還包括：

對所述第二樣本數據進行數據分組，得到所述訓練樣本，以及得到下列樣本中的一種或多種：驗證樣本和測試樣本；其中，

所述驗證樣本用于驗證所述古畫年代檢測模型何時收斂；

所述測試樣本用于測試所述古畫年代檢測模型的年代分類準確率。

4.根據權利要求1至3任一項所述的古畫檢測模型訓練方法，其特征在于，所述將ImageNet數據集作為訓練數據集，訓練一個ResNet-50網絡，得到預訓練ResNet-50模型，包括：

將ImageNet數據集作為訓練數據集，采用梯度下降法優化所述ResNet-50網絡中的參數，得到所述預訓練ResNet-50模型。

5.根據權利要求4所述的古畫檢測模型訓練方法，其特征在于，所述采用遷移學習算法對所述預設的古畫年代分類網絡進行處理，得到古畫年代檢測網絡，包括：

獲取所述預設的古畫年代分類網絡的參數；

采用遷移學習算法將所述預設的古畫年代分類網絡的參數加載到所述古畫年代檢測網絡中。

6.一種古畫檢測方法，其特征在于，包括：

獲取待檢測古畫圖像；

將所述待檢測古畫圖像輸入到古畫年代檢測模型中進行檢測，得到所述待檢測古畫圖像的年代數據；

其中，所述古畫年代檢測模型是采用權利要求1至5任一項所述古畫檢測模型訓練方法訓練得到的。

7.一種古畫檢測設備，其特征在于，包括：

至少一個處理器，以及，

與至少一個所述處理器通信連接的存儲器；其中，

所述存儲器存儲有可被至少一個所述處理器執行的指令，所述指令被至少一個所述處理器執行，以使至少一個所述處理器能夠執行如權利要求1至5任一項所述的古畫檢測模型訓練方法，

或者，

以使至少一個所述處理器能夠執行如權利要求6所述的古畫檢測方法。

8.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機可執行指令，所述計算機可執行指令用于使計算機執行如權利要求1至5任一項所述的古畫檢測模型訓練方法，

或者，

使計算機執行如權利要求6所述的古畫檢測方法。