首页|基于影响空间与YOLOv3的古建筑检测方法

基于影响空间与YOLOv3的古建筑检测方法

扫码查看
原文链接
  • 万方数据
  • 维普
物体检测是计算机视觉领域的一个关键内容,主要研究如何在静态图像或动态视频流中快速、准确地识别及定位出其中的目标.基于图像的古建筑检测可用于古建筑三维重建、智慧旅游等领域,具有重要的研究意义和实际应用价值.然而,受到古建筑样式、形状、花纹及纹理质地等影响,目前的物体检测器存在检测精度低和定位不准的问题.针对上述问题,基于YOLOv3网络模型,结合密度聚类和距离聚类思想,设计了一种基于RNN-DBSCAN+k-means的古建筑检测方法.该方法首先结合影响空间思想,采用RNN-DBSCAN算法对已标注的古建筑图像聚类,生成聚类结果集;其次从聚类结果集中选取最优的k个结果作为k-means的初始聚类中心;然后将这k个聚类中心作为聚类初始值,结合k-means算法得出聚类结果,并作为YOLOv3网络的先验框;最后以voc数据集(20类)和古建筑数据集为对象,验证了算法的有效性.针对古建筑数据集,算法检出率提高了0.33％;而在voc数据集单类检测中,算法检出率提高了0.04％ ～0.84％.
An Ancient Architectural Detection Method Combining Influence Space with YOLOv3 Network

胡立华、王敏敏、刘爱琴、张素兰

展开 >

太原科技大学 计算机科学与技术学院,山西 太原030024

佛山市科自智能系统技术有限公司,广东 佛山528010

影响空间 YOLOv3 古建筑检测 交并比 检出率

国家自然科学基金面上项目佛山市科技创新项目

618732642017IT100022

2022

10.3969/j.issn.1673-629X.2022.12.028

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(12)
  • 14