神経ネットワークアーキテクチャ検索に基づく古代壁画王朝認識アルゴリズム

要旨 古代壁画王朝認識のための神経ネットワークモデルは手動で設計する必要があり、本論文では神経アーキテクチャ検索（NAS）に基づく古代壁画王朝認識アルゴリズムを提案する。まず、壁画画像の構造的エッジ情報を抽出して神経ネットワークモデルが壁画の任務を認識するために使用する。次に、コントラスト選択（CS）に基づくNASアルゴリズムがアーキテクチャ検索を段階的なCSに単純化し、壁画データセット上で最適なネットワークアーキテクチャを検索する。最後に、特定された最適なネットワークアーキテクチャを使用してトレーニングとテストを行い、壁画王朝認識タスクを完了する。結果は、提案された方法の壁画データセット上での最高精度が88.10%、再現率が87.52%、精度が87.69%であることを示している。神経ネットワークモデルが使用する各評価指標は、AlexNetやResNet-50などの古典的なネットワークモデルより優れている。ASNGやMIGOなどのNAS手法と比較して、提案された方法を使用することで壁画王朝認識の精度が平均4.27%高くなる。提案された方法はCIFAR-10、CIFAR-100、ImageNet16-120などのデータセットで検証され、上記のデータセットに対してそれぞれ93.26%、70.73%、45.34%の良好な認識精度を達成する。