结合改进多尺度CBAM的双分支铭文年代聚类网络
摘要
青铜器铭文对于研究古代政治、经济、文化有重要意义，但已出土的铭文风格差异小且多数为无标签数据，为计算机技术辅助铭文分析工作带来了困难。针对这一问题，提出一种基于深度无监督聚类网络的青铜铭文年代聚类网络。在第1阶段，构建了以ResNet50为基础的特征提取模块，并引入改进后的多尺度CBAM注意力机制使网络能同时关注细节特征和全局特征，解决了传统特征提取针对年代相近铭文特征提取不全的问题。在第2阶段，使用K-means对提取到的特征进行聚类，并将聚类分支的结果作为伪标签与模型预测分支的输出进行交叉熵损失计算。在第3阶段，由交叉熵损失反向传播进行迭代训练，不断优化模型参数提高特征提取和聚类的精度。实验结果表明，该算法在铭文标准数据集上的整体准确率为89.43%，相比于传统无监督聚类网络提升了14%以上。
引用本文（GB/T 7714）
丁婧文 Ding Jingwen, 卢英 Lu Ying, 王惠琴 Wang Huiqin, 等. 结合改进多尺度CBAM的双分支铭文年代聚类网络[J]. Laser & Optoelectronics Progress, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。