[发明专利]一种基于整体嵌套边缘检测的中西方绘画图像分类方法

权利要求书

1.一种基于整体嵌套边缘检测的中西方绘画图像分类方法，其特征在于，包括以下具体步骤：

步骤1，获取中西方绘画图像的边缘特征图；

步骤2，搭建中西方绘画图像分类网络模型；

步骤3，对搭建好的中西方绘画图像分类网络模型进行训练优化；

步骤4，将中西方绘画图像的边缘特征图和中西方绘画图像的原图输入训练优化好的中西方绘画图像分类网络模型，得到中西方绘画图像分类结果。

2.根据权利要求1所述的一种基于整体嵌套边缘检测的中西方绘画图像分类方法，其特征在于，所述步骤1中获取中西方绘画图像的边缘特征图的具体过程为：将中西方绘画图像输入整体嵌套边缘特征提取网络中，选取整体嵌套边缘特征提取网络的第一个分支的输出，作为图像的边缘特征图。

3.根据权利要求1所述的一种基于整体嵌套边缘检测的中西方绘画图像分类方法，其特征在于，所述步骤2中搭建中西方绘画图像分类网络模型的具体过程为：

步骤2.1，设计单通道卷积网络，具体为：单通道卷积网络包含5个卷积层和2个全连接层，网络输入图像大小设定为227×227×3；卷积层的结构参数采用AlexNet的设定，激活函数采用RELU；最后一个全连接层的激活函数为Softmax；

步骤2.2，搭建中西方绘画图像分类网络模型，具体为：将2个步骤2.1中搭建好的单通道卷积网络作为中西方绘画图像分类网络模型的两个分支网络，分别用于输入中西方绘画图像的边缘特征图和中西方绘画图像的原图，将2个分支网络即2个单通道卷积网络的最后一个全连接层合并，并在合并后再加入两个全连接层，维度分别为1024和2，最后一个全连接层的激活函数为Softmax。

4.根据权利要求1所述的一种基于整体嵌套边缘检测的中西方绘画图像分类方法，其特征在于，所述步骤3中对搭建好的中西方绘画图像分类网络模型进行训练优化的具体过程为：

步骤3.1，设置参数：batch_size为128，学习率为0.0001，Dropout为0.5，优化器为“RMSprop”，对搭建好的中西方绘画图像分类网络模型进行训练优化；

步骤3.2，在训练过程中采用数据增强的方法，对用于训练优化的图像进行几何变换，来提高中西方绘画图像分类网络模型的泛化能力，具体包括：翻转、旋转、裁剪、变形、缩放各类操作。

5.根据权利要求3所述的一种基于整体嵌套边缘检测的中西方绘画图像分类方法，其特征在于，所述步骤2.1中单通道卷积网络的结构为：第1层为卷积层，卷积核个数为96，大小为11×11，步长为4；第2层为卷积层，卷积核个数为256，大小为5×5，步长为1；第3层为卷积层，卷积核个数为384，大小为3×3，步长为1；第4层为卷积层，卷积核个数为384，大小为3×3，步长为1；第5层为卷积层，卷积核个数为256，大小为3×3，步长为1；第6、7层为全连接层，维度分别为1000和2。