通过基于卷积神经网络的图像分类方法理解中国农村剪纸的区域性与风格多样性
吴晓初、
尹晓月、
陈晓峰、
游旭东、
张芳、
肖毅
《Applied Sciences》:Understanding Regional and Stylistic Diversity in Chinese Rural Paper-Cutting Through Convolutional Neural Network-Based Image Classification
Xiaochu Wu,
Xiaoyue Yin,
Xiaofeng Chen,
Xudong You,
Fang Zhang and
Yi Xiao
【字体:
大
中
小
】
时间:2026年03月26日
来源:Applied Sciences 2.5
编辑推荐:
摘要
作为中国民间艺术的重要组成部分,农村剪纸艺术蕴含了丰富的地域文
摘要
作为中国民间艺术的重要组成部分,农村剪纸艺术蕴含了丰富的地域文化内涵和独特的审美表达。本研究构建了一个涵盖多个地区和艺术风格的农村剪纸图像数据集,并提出了一个基于卷积神经网络(CNN)的框架,用于对剪纸作品进行地域和风格识别。对五种代表性的主流CNN模型进行了评估。在地域分类任务中,所有模型都取得了较高的准确率,其中EfficientNet-B1的准确率最高,达到了91.46%。由于视觉差异较为细微,风格分类任务的难度更大,MobileNetV3-Small的准确率最高,为73.20%。此外,t分布随机邻域嵌入(t-SNE)可视化技术进一步证实了这些模型能够在高维空间中有效区分不同的地域和风格类型。为了提高模型的可解释性,应用了梯度加权类激活映射(Grad-CAM)来可视化最优模型。研究结果表明,CNN模型始终关注剪纸作品的核心结构特征,这说明CNN能够捕捉到具有视觉和文化意义的特征。总体而言,本研究证明了将CNN应用于传统民间艺术分析的可行性,并为农村剪纸艺术的数字化管理、智能分类和教育传播提供了实用的技术途径。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号