基于卷积神经网络的中国古陶瓷智能断代研究

• 作者: 冯金牛 周强 张瑞瑞 王莹 罗宏杰
• 来源期刊: 陶瓷学报
• 学科: 历史
• 关键词: 古陶瓷断代鉴定 卷积神经网络 深度学习
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 研究与探索|Research and Exploration
• 页码范围: 145-152
• 页数: 8页
• 分类号: K876.3
• 语种: 中文
• DOI: 10.13957/j.cnki.tcxb.2022.01.017

摘要

中国古陶瓷工艺精湛、种类丰富,具有独特的艺术魅力和文化内涵.因此,古陶瓷的科学鉴定一直是文物鉴定研究的热点.针对当前古陶瓷断代方法的不足,在人工智能的大背景下,提出利用深度学习的卷积神经网络(CNN)对古陶瓷文物图像进行器型分类和断代的方法.该方法打破了"古陶瓷断代特征量确定依赖人工完成"的技术瓶颈.测试试验结果表明:该方法对古陶瓷器型分类和断代的准确率达到96.37％,可以作为古陶瓷鉴定的有效辅助手段.