随着海南自贸港的加速建设,海南黎锦图案受到了越来越多的人的关注和喜爱。海南黎锦图案作为黎锦的重要组成部分,应用到了各种各样的设计产品中,为传播海南黎族文化提供了一大助力。但是,学者们大多关注黎锦图案的艺术风格研究,很少有学者将人工智能算法引入到黎锦图案的智能识别与分类研究中。因此,本文以非物质文化遗产黎锦的重要组成部分——海南黎锦图案作为研究对象,将机器学习和深度学习的思想引入到黎锦图案的识别与分类研究中,实现了黎锦图案数据集的构建、黎锦图案的识别与分类。本文的主要研究内容如下:第一,构建黎锦图案数据集,并提出了一种基于扩展增广的数据增强方法。本文通过多种手段采集了足够的黎锦图案,并针对黎锦图案的特点对数据进行预处理。为了进一步丰富黎锦图案数据集,提高对黎锦图案的识别与分类的准确率,本文提出了一种基于扩展增广的数据增强方法,对黎锦图案数据集做了有效扩充。第二,提出了一种基于卷积神经网络的黎锦图案识别模型。本文根据黎锦图案的特点,设计了一个基于卷积神经网络的黎锦图案识别模型,将采用了基于扩展增广的数据增强方法所得的数据集、从Caltech256数据集和Image Net数据集中选取的部分数据集、与黎锦图案类似的数据集,共同作为模型的输入,最终实现从自然界的不同图像数据中识别出黎锦图案。为了验证所提模型的性能,以识别准确率为衡量标准,对比了支持向量机、深度置信网络、基于卷积神经网络的黎锦图案识别模型在黎锦图案识别上的准确率。实验结果表明,本文所提模型在对黎锦图案的识别上有着更好的表现。第三,提出了一种改进的黎锦图案分类模型——Attention-Efficient Net2。根据研究内容并结合黎锦图案数据信息特点,本文将黎锦图案分为6大类:人纹、动物纹、植物纹、几何纹、场景纹、其它纹。为了达到将黎锦图案准确分类的目的,本文在Efficient Net2的基础上,加入了一个注意力机制,重塑特征矩阵,强化了重要特征。为了验证所提模型的性能,以分类准确率为衡量标准,对比了Alex Net模型、Res Net模型、Efficient Net1模型、Efficient Net2模型、Attention-Efficient Net2模型在黎锦图案分类上的准确率,实验结果表明,Attention-Efficient Net2模型在实现黎锦图案分类方面有着更好的表现。