来源：期刊VIP网 时间：
作者：赵谦;屈佳伟;
单位：西安科技大学通信与信息学院;
摘要：青花瓷作为瓷器中的明珠，其独特的纹饰承载着深厚的文化底蕴。在众多青花瓷纹饰中，明代龙纹颇具代表性，对明代前、中、后三期的青花瓷龙纹进行断代识别有着极高的历史文化研究价值。文中针对明代龙纹断代问题提出一种改进的深度学习模型，该模型引入空间注意力机制（SAM）改进原网络ShuffleNetV2，能够捕获图像中的长距离依赖关系，用于增强模型的表达能力，并利用迁移学习策略、交叉熵损失函数和RMSProp自适应学习率优化器在青花瓷龙纹数据集上进行实验验证，用于准确年代鉴定。实验表明，在迭代100次、批次大小为16、学习率为0.001以及权重衰减为10~(-5)的条件下，明代前、中、后期断代总体准确率为95.67%，召回率为95%,F_1-Score为95%。与VGG16、ResNet18等8个模型对比，所提模型在识别准确率上显著提高，运算速度约是ResNet18的4.9倍，是VGG16的5.9倍，这证明该模型不仅实现了明代青花瓷龙纹的精确断代，还具备快速识别、体积紧凑的特点，为文化遗产保护和鉴定提供了新的技术方法。
关键词：龙纹断代;;深度学习;;ShuffleNet;;空间注意力机制;;RMSProp;;迁移学习策略
基金资助：西安市科技计划（24KGDW0030）;; 陕西省科技成果转化计划-百项科技成果转化行动项目（2023-YD-CGZH-29）;; 陕西秦创原“科学家+工程师”队伍建设项目（S2023-YF-LLRH-QCYK-0271）
