技术特征：1.一种基于深度学习的古籍纸张纤维图像分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述步骤1包括：
3.根据权利要求1所述的方法，其特征在于，所述步骤2包括：
4.根据权利要求1所述的方法，其特征在于，所述步骤3包括：
5.根据权利要求1所述的方法，其特征在于，所述步骤4中自适应对比损失函数，其表达式为：
6.一种电子设备，其特征在于，包括：一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述设备执行时，使得所述设备执行权利要求1至5中任一项所述的基于深度学习的古籍纸张纤维图像分类方法。
技术总结本发明涉及图像分类技术领域，尤其是提供了一种基于深度学习的古籍纸张纤维图像分类方法和电子设备。该方法包括构建纸张纤维图像数据集，并对纸张纤维图像数据集进行预处理和数据增强，获得处理后的数据集；使用MobileViT模型作为基础模型，从处理后的数据集中提取纤维的特征信息；根据提取纤维的特征信息，对MobileViT模型的结构进行改进，设计中值增强的融合注意力模块，获得改进后的模型；设计自适应对比损失函数，对改进后的模型进行训练，以增强模型对不同类别纤维之间特征差异的识别能力，该方法实现了对纸张纤维的快速、准确的分类，确保了修复工作的成功，提高了修复后纸张的保存质量。
技术研发人员：王斌鹏,贾凯红,孙凯,侯萌,寻广龙,王振
受保护的技术使用者：齐鲁工业大学（山东省科学院）
技术研发日：技术公布日：2025/1/28