宋元时期瓷器多任务识别学习
计算机视觉与模式识别
2025-03-19 v1 机器学习
摘要
中国瓷器具有巨大的历史和文化价值，对其进行准确分类对于考古研究和文化保护至关重要。传统分类方法严重依赖专家分析，耗时且主观，难以扩展。本文探讨了深度学习（DL）和迁移学习技术在自动化分类瓷器文物四个关键属性（朝代、釉色、器型和类型）中的应用。我们评估了四种卷积神经网络（CNN）——ResNet50、MobileNetV2、VGG16 和 InceptionV3——比较它们在有和没有预训练权重情况下的性能。结果表明，迁移学习显著提升了分类准确率，特别是在类型分类等复杂任务中，从头训练的模型表现较差。MobileNetV2 和 ResNet50 在所有任务中持续保持高准确率和鲁棒性，而 VGG16 在更多样化的分类任务中表现不佳。我们进一步讨论了数据集局限性的影响，并提出了未来方向，包括领域特定预训练、注意力机制集成、可解释人工智能方法以及向其他文化文物的泛化。
引用
@article{arxiv.2503.14231,
title = {Multi-task Learning for Identification of Porcelain in Song and Yuan Dynasties},
author = {Ziyao Ling and Giovanni Delnevo and Paola Salomoni and Silvia Mirri},
journal= {arXiv preprint arXiv:2503.14231},
year = {2025}
}