基于影响空间与 YOLOv3 的古建筑检测方法

来源：计算机技术与发展杂志2022年第12期北京时间：

作者：胡立华;王敏敏;';刘爱琴;张素兰

单位：1. 太原科技大学 计算机科学与技术学院,山西 太原 030024;2. 佛山市科自智能系统技术有限公司,广东 佛山 528010

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