基于卷积神经网络的古建筑脊兽自动识别方法

摘要：

针对古建筑脊兽识别准确率和自动化程度不高的问题,本文提出一种基于卷积神经网络的脊兽自动识别方法.该方法主要分为4个步聚:①爬取众源数据建立脊兽数据集;②构建脊兽特征金字塔网络(Ridge Beast-Feature Pyramid Network,RB-FPN)提取图像深度语义,检测脊兽的潜在区域;③利用ImageNet预训练权重精调ResNet50模型参数,实现脊兽种类精细分类;④识别测试集样本综合评价性能指标.试验结果表明,本文所提出的脊兽自动识别方法准确率可达92.17％,召回率为82.02％,F1值为0.87,能有效地识别数字图像中的脊兽装饰件种类,结果可满足屋顶精细三维重建、维护管理与断代等应用需求.

关键词：卷积神经网络、目标检测、图像分类、脊兽

所属期刊栏目：28

分类号：TP751(遥感技术)

资助基金：国家重点研发计划项目;北京市属高校高水平教师队伍建设支持计划长城学者培养计划项目;北京市教委科研计划项目;北京市自然科学基金项目——市教委联合基金项目;北京建筑大学研究生创新项目

在线出版日期：2021-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：54-60