هر ساله بسیاری از ظروف چینی آبی و سفید در کشف می شود. الگوهای روی پارچ ها اهمیت تحقیقاتی مهمی دارند. در حال حاضر، طبقه بندی خرده های چینی عمدتاً بر اساس کار دستی است که دارای معایب حجم کار زیاد است.
استفاده از روش های طبقه بندی خودکار نیز با الگوهای پیچیده و حجم نمونه مواجه است. سرویس پذیرایی چینی به منظور حل این مشکلات، این مقاله یک روش تشخیص خودکار جدید مبتنی بر یادگیری عمیق، از جمله روش پیش پردازش داده‌ها همراه با الگوریتم تقسیم‌بندی رنگ، یک روش جدید افزایش داده‌ها برای مناطق مورد نظر، یک استراتژی یکپارچه‌سازی جدید و شبکه عمیق بازطراحی شده پیشنهاد می‌کند.
مدل که چندین ویژگی را ادغام می کند. پس از آزمایش‌ها، روش پیش‌پردازش داده‌ها، روش ترکیب ویژگی و استراتژی یکپارچه‌سازی پیشنهاد شده در مقاله می‌تواند به طور موثری عملکرد مدل را با حذف اطلاعات اضافی و افزودن ویژگی‌های مؤثر بهبود بخشد.
روش همچنین می تواند نمونه های مخلوط دقیق تری نسبت به سنتی بدست آورد. روش ارائه شده در این مقاله دقت وظایف را در 14 دسته از 71.7٪ به 83.2٪ در یک مجموعه داده حاوی تنها 373 تصویر از قطعات چینی بهبود می بخشد. در آینده، این تحقیق ساختار شبکه و ترکیب ویژگی های چند سطحی را بیشتر طراحی خواهد کرد.
- منابع:
