计算机技术与发展2022，Vol.32Issue(12) ：185-193.DOI:10.3969/j.issn.1673-629X.2022.12.028

基于影响空间与YOLOv3的古建筑检测方法

An Ancient Architectural Detection Method Combining Influence Space with YOLOv3 Network

胡立华 王敏敏 刘爱琴 张素兰
计算机技术与发展2022，Vol.32Issue(12) ：185-193.DOI:10.3969/j.issn.1673-629X.2022.12.028
✕
  • 维普
  • 万方数据

基于影响空间与YOLOv3的古建筑检测方法

An Ancient Architectural Detection Method Combining Influence Space with YOLOv3 Network

胡立华 1王敏敏 2刘爱琴 1张素兰1
扫码查看

作者信息

  • 1. 太原科技大学 计算机科学与技术学院,山西 太原030024
  • 2. 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
  • 折叠

摘要

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％.

关键词

影响空间/YOLOv3/古建筑检测/交并比/检出率

引用本文复制引用

基金项目

国家自然科学基金面上项目(61873264)

佛山市科技创新项目(2017IT100022)

出版年

2022
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
参考文献量14
段落导航相关论文