周长敏，佘佐明，吴安丽

（1.凯里学院，大数据工程学院，凯里556011；2.凯里学院，经济与管理学院，凯里556011；3.凯里学院，美术与设计学院，凯里556011）

0 引言

按地区和风格对蜡染纹样进行分类是蜡染数字化保护的基础工作，具有重要意义。在图像分类模型中，基于卷积神经网络（Convolutional Neural Networks，CNNs）的模型在图像分类领域取得了令人瞩目的成绩，提出了AlexNet、GoogLeNet、VGGNet、ResNet等经典模型。CNNs直接依靠神经网络本身去学习数据的特征［1］，无需设计复杂的特征提取器，因而在纺织品识别与分类领域得到广泛关注。黎智等人［2］使用VGGNet实现了蜡染染色模拟，侯宇康等人［3］使用VGGNet提取蜡染纹理特征并将其风格迁移到其他图案生成全新的民族纹饰图案。王飞等人［4］使用CNNs进行羊绒与羊毛鉴别、贾小军等人［5］使用CNNs对蓝印花布纹样基元进行分类都取得了较好的分类效果。目前，CNNs应用于蜡染纹样分类的研究较少，本文提出一种改进的VGGNet模型对蜡染纹样进行分类，并通过实验验证模型的分类效果。

1 方法

1.1 迁移学习

迁移学习（Transfer Learning）是一种将源领域学习到的知识应用到目标领域的机器学习方法［6］。CNNs是一种包含卷积运算的神经网络，主要由输入层、卷积层、池化层、全连接层组成。为扩展网络深度，CNNs通常包含多个交替堆叠的卷积层和池化层。深层的CNNs拥有大量的参数，需要巨大的数据样本进行长时间训练才能充分捕获数据中的规律，从而取得好的分类效果。VGGNet、AlexNet等优秀模型所使用的训练数据集为120万张图像的ImageNet数据集。在具体的应用领域重新建立新的CNNs，如果数据样本不足会导致网络模型在训练过程中参数过度拟合训练数据集，从而影响模型的泛化性能。……