刺绣作为中国传统的手工技艺,是非物质文化遗产不可或缺的一部分。本文针对苏绣、蜀绣、粤绣、湘绣以及青海地区特有的土族盘绣五类刺绣图像,利用深度学习的方法根据每种刺绣的不同风格、图案等因素,提取出相应的图像特征,对其进行分类和识别,为刺绣图像研究和数字化保护提供了依据。卷积神经网络(Convolutional Neural Networks,CNN)以其强大的图像处理能力,被广泛应用于各种图像分类系统,并取得了显著的成效。在图像识别方面,以R-CNN为基础的Faster R-CNN检测算法近年来受到了越来越多的重视。与传统的图像处理算法相比,该类算法可以在复杂的刺绣图像中提取更深层次的图案特征,提高算法的鲁棒性和识别准确性。本文的研究工作主要体现如下方面:1.传统机器学习算法对刺绣图像的特征提取效果不理想,使得刺绣图像分类的效率低下。本文提出了使用基于深度学习的AlexNet网络进行图像分类,在AlexNet网络中使用了ReLu激活函数和局部响应归一化(Local Response Normalization,LRN),加入了Dropout层使得分类效果更好。在此基础上加载了预训练模型参数,极大程度上提高了模型的收敛速度。2.在图像识别方面,由于刺绣中的图案过于复杂以及种类繁多,为了在刺绣图像中提取更深层次的图案特征,本文使用Faster R-CNN网络对不同类型的刺绣图案进行识别,并且分别使用ResNet50和VGG16作为Faster R-CNN特征提取网络进行对比。实验结果表明,经过预训练的AlexNet模型进行实验使得刺绣图像分类的准确性显著提高;同时,基于ResNet50的Faster R-CNN网络的图像识别效果更好。