融合多尺度视觉感知的非遗织锦图像特征分析研究OA

[目的/意义]针对非遗织锦图像语义特征复杂、深层内涵挖掘困难以及传统深度学习模型对多尺度特征利用不足的问题,旨在提升非遗织锦图像多尺度视觉特征的表达与分析能力。[方法/过程]本文提出一种融合多尺度视觉特征的非遗织锦图像特征分析方法,构建融合卷积神经网络与Transformer架构的多尺度非遗织锦图像特征分析框架(ICH_BC),该框架以ResNet提取织锦图像的局部细节特征,以ViT捕捉图像的全局结构信息,通过自注意力机制实现不同尺度特征的动态融合。在此基础上,结合UMAP降维可视化与类激活映射(CAM)方法,分析模型学习到的高维特征分布及其关注区域,辅助理解模型的判别依据,探索从数字特征到文化特征的转化路径。[结果/结论]研究表明,ICH_BC框架的分类性能优于单一尺度特征模型与静态特征融合方法,验证了多尺度视觉特征融合的有效性;特征可视化结果显示,不同织锦类别在特征空间中呈现出清晰的分布差异,模型对局部纹样与整体构图特征的关注存在类别差异性。该方法为理解和分析具有复杂视觉特征的文化遗产图像提供了有效且可推广的技术路径与分析范式,对推动文化遗产的数字化研究、保护与传播具有理论和实践价值。