.png){kind=icon}
返回
Classification of Batik Patterns Using Inception-ResNetV2 with Data Augmentation
.png){kind=icon}
PRE
AI
DOI：10.12720/jait.17.1.42-54.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
印尼的文化遗产中具有显著艺术和历史价值的是蜡染。本研究背景是印度尼西亚各地区的文化多样性，这体现在当前使用的多样化的蜡染图案中。蜡染图案的分类对于保存、识别和推广蜡染作为国家宝贵文化资产非常重要。研究问题是分类如何有助于识别当前使用的每种蜡染图案的历史、意义和特征。通过应用深度学习来帮助识别全国范围内的蜡染图案，可以克服这一问题。关键结论是深度学习策略是必要的，涉及使用广泛的视觉数据进行训练。所使用的方法包括利用Inception-ResNetV2架构的深度学习。其贡献是采用了一种旨在减少参数数量并提高计算性能的架构。当与ResNetV2的残差连接结合时，该网络可以整体上更高效地运行。全国各地的各种类型和类别的蜡染构成了数据集。在经过9分6秒的计算后，获得了一个蜡染图案模型，其平均准确率为98.19%，精确率为98.20%，召回率为98.19%，F1得分为98.16%。均方误差（MSE）为0.0023，均方根误差（RMSE）为0.0483，平均绝对误差（MAE）为0.0035。然后使用实验数据测试置信水平，平均准确率达到76-99%。
Keyword:
batik pattern
deep learning
Inception-ResNetV2
data augmentation
process innovation
product
innovation
期刊
J
IF:
1.5
论文数:
57
被引数:
0
机构
引用论文
Detection and classification of surface defects on hot-rolled steel using vision transformersVasan, V.; Sridharan, N.V.; Vaithiyanathan, S.; Aghaei, M. 热轧钢材表面缺陷的检测与分类：基于视觉变换器的方法. Heliyon 2024, 10, e38498. [Google Scholar] [CrossRef].png)
Heliyon
HeliyonIF0
PREAI
分享收藏Deep learning in computer vision: A critical review of emerging techniques and application scenarios
OAAI
OAAI分享收藏Deep Residual Networks With Adaptively Parametric Rectifier Linear Units for Fault Diagnosis基于自适应参数整流线性单元的深度残差网络故障诊断
PREAI
分享收藏
查看更多内容