基于卷积神经网络的古建筑脊兽自动识别方法

作者：纪宇航; 董友强; 侯妙乐^*; 齐莹; 霍芃芃

来源：地理信息世界, 2021, 28(03): 54-60.

• 卷积神经网络
• 目标检测
• 图像分类
• 脊兽

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。

• 单位
  北京建筑大学; 北京市测绘设计研究院