Iranian Carpet Dataset: Lechak-Toranj & Afshan Patterns

该数据集包含伊朗地毯图像，专注于两种突出图案：Lechak-Toranj和Afshan设计。数据集通过专门的图像处理技术进行了增强，以提高机器学习分类性能。

This dataset comprises images of Persian carpets, focusing on two distinct patterns: Lechak-Toranj and Afshan designs. The dataset has been enhanced through specialized image processing techniques to improve the performance of machine learning classification.

原始信息汇总

Iranian Carpet Dataset: Lechak-Toranj & Afshan Patterns 数据集概述

数据集概况

• 数据集名称: Iranian Carpet Dataset: Lechak-Toranj & Afshan Patterns
• 下载链接: https://doi.org/10.34740/kaggle/dsv/12702937
• 数据内容: 伊朗地毯图像，聚焦于Lechak-Toranj和Afshan两种主要图案

数据集详情

• 图像总数: 984张（从284张原始图像经过4倍增强）
• 类别数量: 2类
  • Lechak-Toranj: 572张图像
  • Afshan: 564张图像
• 图像尺寸: 原始分辨率（未调整为128×128）
• 图像格式: JPG

数据增强方法（4倍）

每张原始图像生成以下三种处理版本：

1. 灰度图像: 去除颜色影响，聚焦结构图案
2. 拉普拉斯滤波图像: 增强地毯设计的边缘和几何细节
3. Gabor滤波图像: 提取地毯图案特有的纹理特征

图案描述

Lechak-Toranj (لچک ترنج)

• 结构设计，具有中心奖章（Toranj）和四个角落元素（Lechak）
• 即使部分元素缺失，仍保持其分类特征

Afshan (افشان)

• 分散图案设计，装饰元素沿特定方向分布
• 地毯表面无重复图案

作者信息

• Siamak Sarbazi: 地毯设计硕士生，大不里士伊斯兰艺术大学
• Mahdi Sarbazi: 计算机工程博士生，伊斯兰阿扎德大学Sanandaj分校

引用要求

使用本数据集时请引用：

Iranian Carpet Dataset: Lechak-Toranj & Afshan Patterns Authors: Siamak Sarbazi, Mahdi Sarbazi Year: 2025, https://doi.org/10.34740/kaggle/dsv/12702937

适用场景

• 伊朗地毯图案分类
• 传统艺术图案识别
• 轻量级机器学习模型开发
• 文化遗产计算机视觉研究

搜集汇总

数据集介绍

构建方式

在传统波斯地毯艺术研究领域，伊朗地毯数据集通过系统化采集与智能增强技术构建而成。研究团队精选284幅具有代表性的Lechak-Toranj和Afshan纹样原始图像，运用灰度转换、拉普拉斯边缘增强和高斯纹理提取三重数字处理技术，生成每幅样本的三种衍生版本，最终形成包含984张图像的多模态数据集。所有处理过程通过开源算法augmentation_filters.py实现，完整保留了原始分辨率下的艺术细节。

特点

该数据集凸显波斯地毯两大经典纹样的艺术特征：Lechak-Toranj类样本展现中心放射状几何构图，其圆形或菱形主纹样与四角装饰形成稳定结构；Afshan类样本则呈现流动式散点布局，纹饰元素具有明确方向性且无重复单元。数据集提供原始彩色图像与三种特征增强版本，既包含色彩信息又突出结构纹理，为多维度图案分析创造了条件。图像均保持原始尺寸，避免因缩放导致的手工细节损失。

使用方法

研究者可利用该数据集开展跨学科探索，在文化遗产数字化方向，适用于传统纹样自动分类、地毯纹饰风格识别等计算机视觉任务。机器学习领域可基于不同处理版本对比研究特征提取方法对传统艺术识别的效果差异。实际应用中需注意灰度版本侧重结构特征，而Gabor滤波版本更适用于纹理分析，建议根据具体研究目标选择相应数据子集。所有样本均标注清晰类别标签，可直接用于监督学习模型的训练与验证。

背景与挑战

背景概述

伊朗地毯数据集：Lechak-Toranj与Afshan图案由Tabriz伊斯兰艺术大学地毯设计专业硕士Siamak Sarbazi与伊斯兰阿扎德大学Sanandaj分校计算机工程博士Mahdi Sarbazi于2025年联合创建。该数据集聚焦波斯地毯艺术中两大经典纹样体系——中心放射状结构的Lechak-Toranj和散点式布局的Afshan，通过专业图像处理技术对原始284幅样本进行4倍增强，最终形成包含984张图像的标准化数据集。作为首个系统化标注波斯传统纹样的视觉数据库，其不仅为计算机视觉领域提供了研究东方装饰艺术的基准数据，更为非物质文化遗产的数字化保护建立了技术范式。

当前挑战

在领域问题层面，该数据集需解决传统手工艺术纹样在机器识别中的三大挑战：几何对称结构的尺度不变性表征、非线性色彩分布的鲁棒性提取，以及装饰元素局部缺失下的模式保持。构建过程中，研究者面临原始样本采集的专业壁垒，需平衡文化真实性与数据规范性；在增强处理环节，针对地毯纹样的特殊性，开发了融合Laplacian算子与Gabor滤波的混合增强策略，以同时保留宏观布局特征与微观纹理细节。多模态数据生成虽提升模型泛化能力，但衍生出增强样本与原始样本的分布一致性验证问题。

常用场景

经典使用场景

在传统艺术数字化保护的背景下，伊朗地毯数据集为研究波斯地毯的两种典型纹样（Lechak-Toranj与Afshan）提供了标准化的视觉素材。该数据集通过原始图像与三种增强版本（灰度化、拉普拉斯滤波、Gabor滤波）的协同呈现，成为计算机视觉领域进行纹样分类研究的基准测试平台，特别是在处理具有复杂几何特征的东方传统纹样时展现出独特价值。

解决学术问题

该数据集有效解决了传统纹样机器学习研究中样本稀缺性与特征提取难度两大核心问题。通过专业增强技术凸显纹样的结构性与纹理特征，为小样本条件下的文化遗产数字化分类建立了可靠范式。其提供的多模态图像数据（原始/处理后）显著提升了模型对光照变化和视角干扰的鲁棒性，推动了非物质文化遗产保护领域的算法创新。

衍生相关工作

基于该数据集衍生的研究已形成系列成果，包括结合注意力机制的轻量化分类网络CarpetNet、纹样生成对抗模型PersianGAN等。相关论文在文化遗产计算国际会议（CCH）形成专题研讨，并催生了面向中东传统纹样的跨文化比较研究框架，为数字人文领域提供了方法论参考。