基于CNN的中国绘画图像分类

黄雪丽，王小华，杨冰,姚金良

基于CNN的中国绘画图像分类

黄雪丽1，王小华2，杨冰1,姚金良1

(1.杭州电子科技大学计算机学院，浙江 杭州 310018;2.中国计量学院计算机学院，浙江 杭州 310018)

提出了一种基于卷积神经网络CNN的中国绘画图像分类方法.首先针对过拟合问题，提出了一种改进的合成少数类过采样技术SMOTE扩增数据，然后将扩增后的数据直接输入到CNN中，经过隐藏层的卷积和亚采样，并采用校正线性单元ReLu、S形生长曲线Sigmoid替代传统的Sigmoid激活函数，提取的数据能更好地表示其特征.实验结果表明，与传统分类方法相比，新提出的方法在中国绘画图像分类上具有良好的分类能力.

SMOTE；ReLu+Sigmoid；卷积神经网络；中国绘画图像分类

0 引 言

随着电子信息技术的高速发展及多媒体技术的广泛应用，如何使数字化的图像资源成为一种有效的载体是目前及未来研究的热点.中国绘画是一种非自然场景下的图像理解，所涵盖的语义信息比传统的数字图像更加丰富与抽象[1].但其来源受限，存在分布不集中、分类不明确、收集不易、每类数量不多等问题[2].传统的绘画图像分类研究大部分基于浅层的学习.文献[3]通过提取边缘大小直方图来描述图像边缘的粒度和稀疏度，采用SVM对其分类.文献[4]通过提取颜色与纹理特征，采用Bayes、线性判别分析(Fisher Linear Discriminant Analysis，FLD)、支持向量机(Support Vector Machines，SVM)等多种分类器按照绘画技法与作者进行分类.这些基于浅层结构的学习算法，虽取得了一定的成效，但存在一些局限性.如有限的……