胡立華，王敏敏,2，劉愛琴，張素蘭

(1.太原科技大學(xué) 計算機科學(xué)與技術(shù)學(xué)院，山西 太原 030024；2.佛山市科自智能系統(tǒng)技術(shù)有限公司，廣東 佛山 528010)

0 引 言

物體檢測[1]是計算機視覺中的經(jīng)典問題，主要任務(wù)是在靜態(tài)圖像或動態(tài)視頻流中快速、精確地識別及定位出其中感興趣的目標。目前物體檢測已廣泛應(yīng)用于行人檢測[2]、流量檢測[3]、智能手機[4]等領(lǐng)域。物體檢測方法主要分為基于傳統(tǒng)的檢測方法和基于深度學(xué)習(xí)的檢測方法。傳統(tǒng)檢測方法主要依賴于圖像處理技術(shù)或人工設(shè)計特征，由于該方法提取的特征是人為設(shè)計的，因此具有相對簡單，無需學(xué)習(xí)與訓(xùn)練，僅需計算與統(tǒng)計的優(yōu)點，但同時存在工作量大、不具備普適性和穩(wěn)定性差等缺點。而基于深度學(xué)習(xí)的方法有較強的特征表達能力，具有檢測精度高、檢測結(jié)果穩(wěn)定等優(yōu)點，因此，基于深度學(xué)習(xí)的物體檢測方法成為計算機視覺中研究熱點之一。YOLOv3[5]作為一種基于深度學(xué)習(xí)的物體檢測方法，首先采用k-means方法獲取先驗框(anchor)，然后將先驗框運用于YOLOv3模型的訓(xùn)練過程，最后輸出檢測結(jié)果。YOLOv3具有檢測精度高、小物體識別能力強的優(yōu)點。

古建筑是人類寶貴的文化遺產(chǎn)，是人類精神文明的載體，是人類歷史長河中的里程碑。隨著網(wǎng)絡(luò)的發(fā)展，網(wǎng)絡(luò)上的圖片數(shù)量急劇增加，基于圖像的古建筑檢測方法具有重要的研究意義和應(yīng)用價值，可進一步應(yīng)用于古建筑的圖像標注和智慧旅游等方面。因此，古建筑圖像的物體檢測具有重要的意義。而中國古建筑具有結(jié)構(gòu)復(fù)雜、紋理重復(fù)嚴重等特點，基于k-means方法的聚類結(jié)果受聚類初始點選擇的影響較大，因此基于YOLOv3的古建筑檢測結(jié)果受聚類結(jié)果的影響，檢測結(jié)果存在偶然性、不穩(wěn)定性、檢測精度差和定位不準等問題。

針對上述問題，以中國古建筑圖像為對象，結(jié)合影響空間的思想，提出了一種基于影響空間和YOLOv3的古建筑圖像檢測方法。該方法首先結(jié)合密度聚類思想，采用RNN-DBSCAN方法對已標注圖像聚類，利用差異性函數(shù)作為聚類度量函數(shù)，從而有效地解決了k-means算法使用歐氏距離方法聚類得到不穩(wěn)定聚類結(jié)果(古建筑圖像寬高比例)的問題；其次從聚類結(jié)果中選取k個結(jié)果作為初始聚類中心；并采用k-means聚類方法獲得聚類結(jié)果，作為YOLOv3網(wǎng)絡(luò)的先驗框，有效解決了基于k-means算法的初始類中心的選擇問題；然后依據(jù)先驗框信息，訓(xùn)練YOLOv3網(wǎng)絡(luò)；最后采用voc[6](20類)和中國古建筑數(shù)據(jù)集為對象，進一步驗證了算法的有效性。

該文創(chuàng)新點如下：

(1)針對k-means方法聚類結(jié)果不穩(wěn)定的問題，結(jié)合基于密度的方法，采用了差異性函數(shù)，設(shè)計了一種RNN-DBSCAN+k-means聚類方法。

(2)以古建筑圖像為對象，設(shè)計了一種基于影響空間與YOLOv3的古建筑檢測方法。

1 相關(guān)工作

1.1 物體檢測

物體檢測是計算機視覺的基本任務(wù)之一，過程為對于給定任意一幅圖像，圖像中的目標能夠被正確地識別出它的類標簽，且能準確地被定位出來。目前，物體檢測方法主要分為兩類：一類是傳統(tǒng)的物體檢測方法，另一類是基于深度學(xué)習(xí)的物體檢測方法。

傳統(tǒng)的物體檢測主要是基于圖像處理或特征的算法[7]，此類算法主要采用傳統(tǒng)的人工設(shè)計特征+淺層分類器的框架。典型方法包括：2001年，Paul Viola和Michael Jones在ICCV上提出了VJ算法[8]。該方法主要采用了滑動窗口檢測第一次實現(xiàn)實時檢測。2008年，F(xiàn)elzenszwalb提出了基于組件的DPM算法[9]，該方法采用改進后的HOG[10]特征、SVM[11]分類器和滑動窗口檢測思想實現(xiàn)物體檢測。此類方法具有算法簡單、速度快和適應(yīng)變形的優(yōu)點；但由于特征是人為設(shè)計，存在工作量大、無普適性和穩(wěn)定性差等缺點。

與傳統(tǒng)方法相比，深度學(xué)習(xí)具有比較強的特征表達能力?；谏疃葘W(xué)習(xí)的檢測方法主要包括兩類：無錨框的檢測方法和基于錨框的檢測方法。無錨框檢測方法的基本思想為去掉錨框，運用關(guān)鍵點或鋪設(shè)錨點來檢測物體。無錨框檢測方法可為兩類：一類是基于關(guān)鍵點的檢測方法；另一類是基于中心域的檢測方法?；陉P(guān)鍵點檢測的典型方法有：2018年，Law H等人提出基于關(guān)鍵點為角點的無錨框檢測算法CornerNet[12]。該算法運用一對角點表示目標，通過角點池化、嵌入量等方法提高檢測精度[13]。2019年，Zhou等人提出了基于關(guān)鍵點為4個極值點+1個中心點的無錨框檢測算法ExtremeNet[14]。與CornerNet相比，ExtremeNet關(guān)鍵點的標注成本更低，由于極值點在目標上，標注4個極值點相對比較容易，但是缺點為速度慢，在實時中無法使用?；谥行挠蛏疃葘W(xué)習(xí)檢測的典型方法有：2019年，Tian等提出一種基于全卷積的單級物體檢測器FCOS[15]。該方法采用點+點到框的四個距離來表示目標，憑借NMS[16]后處理提高了檢測精度，缺點為召回率低和缺乏理論的可解釋性。

基于錨框的檢測方法的基本思想是從已標注數(shù)據(jù)集中獲取錨框，并以錨框為起點，對錨框的類別和位置進行矯正?；阱^框的檢測方法分為兩類：二階段法和單階段法。二階段法也稱為基于候選區(qū)域的檢測算法。該方法分兩個步驟實現(xiàn)，首先使用帶有候選區(qū)域的CNN[17]網(wǎng)絡(luò)產(chǎn)生候選區(qū)域，再在候選區(qū)域上做分類與回歸。常見的二階段法：2007年，Lou X等人提出R-CNN[18]算法。該算法采用選擇性搜索算法[19]生成類別獨立的候選區(qū)域，并運用SVM[11]和邊界框回歸來做物體分類和定位。2015年，Ross Girshick在R-CNN上采用SPP-net[20]，提出Fast R-CNN算法[21]，解決了R-CNN訓(xùn)練步驟繁瑣的問題，在檢測速度和精度上都有很大提升。2016年，Ross B. Girshick在Fast R-CNN上采用區(qū)域建議網(wǎng)絡(luò)提取候選區(qū)域，將特征抽取、候選區(qū)域提取、邊界框回歸和分類都整合在一個網(wǎng)絡(luò)，提出了Faster R-CNN算法[22]，解決了Fast R-CNN不能實現(xiàn)端到端物體檢測的問題。但該算法的計算量大，無法達到實時檢測目標的目的。單階段法將物體檢測問題看作對物體位置和類別的回歸分析問題，主要通過一個網(wǎng)絡(luò)直接輸出檢測結(jié)果。常見的單階段法：2017年，Joseph Redmon和Ali Farhadi在YOLOv1算法[23]的基礎(chǔ)上采用批量歸一化[24]、Darknet-19[25]網(wǎng)絡(luò)結(jié)構(gòu)和錨框卷積[26]等方法進行改進，提出YOLOv2[27]和YOLO9000[28]，解決了YOLOv1只能檢測單個物體和位置檢測不準確的問題。2018年，Redmon在YOLOv2算法上將Darknet-19網(wǎng)絡(luò)結(jié)構(gòu)改進為Darknet-53[29]，并采用softmax[30]函數(shù)分類方法，提出YOLOv3算法。該算法實現(xiàn)了多尺度檢測，在兼顧實時性的同時保證了物體檢測的準確性。

上述檢測方法中，YOLOv3中采用的先驗框，使得未訓(xùn)練前就具備目標的部分特征，可以在后續(xù)訓(xùn)練中降低網(wǎng)絡(luò)迭代次數(shù)，加快網(wǎng)絡(luò)訓(xùn)練速度，達到更好的檢測性能。因此該網(wǎng)絡(luò)具有檢測精度高、檢測速度快、端到端等優(yōu)勢。

1.2 聚類方法

聚類作為一種無監(jiān)督模式識別方法，在圖像分析、遙感、生物信息學(xué)和文本分析[31]等多個領(lǐng)域有廣泛應(yīng)用。聚類方法可分為基于劃分、基于層次[32]、基于密度[33]、基于網(wǎng)格[34]和基于模型[35]的方法。

劃分聚類中最具有代表性的是k-means算法。該算法思想簡單、容易實現(xiàn)、運算速度快、空間復(fù)雜度和時間復(fù)雜度低，但也存在聚類結(jié)果依賴聚類數(shù)目k值及初始聚類中心[36]等問題。

在基于密度的聚類中，具有代表性的是DBSCAN[37]算法和RNN-DBSCAN[31]算法。DBSCAN算法的核心思想是用一個點ε鄰域內(nèi)的相鄰點數(shù)目來衡量該點所在空間的密度。該算法可以找出形狀不規(guī)則的類，具有不需要預(yù)先制定聚類數(shù)目、距離和規(guī)則相似度容易定義、限制少的優(yōu)點。但也存在計算復(fù)雜度高、奇異值影響大的問題。與DBSCAN相比，RNN-DBSCAN算法有兩大優(yōu)勢。首先，降低問題復(fù)雜性。因為RNN-DBSCAN算法只需要使用單個參數(shù)k，而DBSCAN需要兩個參數(shù)minpts(閾值)和eps(鄰域半徑)。其次，DBSCAN在一定條件下使用基于距離的eps，導(dǎo)致該算法無法區(qū)分密度變化較大的簇。此外，DBSCAN聚類結(jié)果具有隨機性，為了確保結(jié)果的確定性，必須使用對稱距離度量，而RNN-DBSCAN算法沒有這樣的限制。

中國古建筑具有的結(jié)構(gòu)復(fù)雜、紋理重復(fù)嚴重等特點和k-means聚類選取初始類中心的隨機性導(dǎo)致聚類的效果時好時壞，不具有穩(wěn)定性，從而在古建筑物體檢測過程中存在古建筑圖像特征提取不準確、定位目標不準確等問題。基于k-means的YOLOv3網(wǎng)絡(luò)的檢測結(jié)果會因此受到影響，檢測精度低，效果差。因此，該文采用RNN-DBSCAN+k-means方法選取聚類初始中心，有效解決k-means聚類結(jié)果不穩(wěn)定的問題。

2 基本概念

設(shè)給定圖像集I={I1,I2,…,In}，n為圖像數(shù)量。首先需對圖像進行標注，在圖像標注過程中會產(chǎn)生相應(yīng)目標的真實框Xi=(Xup,Xdown),1≤i≤m。其中Xup、Xdown分別表示左上角的坐標和右下角的坐標，即Xup=(ai1,bi1)，Xdown=(ai2,bi2)。a、b分別表示X的橫坐標和縱坐標，此時：

Xi=(ai1,bi1,ai2,bi2),1≤i≤m。

設(shè)給定樣本集X={X1,X2,…,Xm}，m=|X|，?Xi∈X:?Xi=(ai1,bi1,ai2,bi2)。

定義1：歐氏距離d(Xi,Xj)。

?Xi,Xj∈X:Xi=(ai1,bi1,ai2,bi2),Xj=(aj1,bj1,aj2,bj2)且i≠j，Xi和Xj的歐氏距離d(Xi,Xj)可定義為：

定義2：交并比(intersection over union，iou)iou(Xi,Xj)。

?Xi,Xj∈X:Xi=(ai1,bi1,ai2,bi2),Xj=(aj1,bj1,aj2,bj2)且i≠j，Xi和Xj的交并比iou(Xi,Xj)可定義為：

wij=min(aj2-aj1,ai2-ai1)

hij=min(bj2-bj1,bi2-bi1)

in_sectionij=wij×hij

xi_area=(ai2-ai1)×(bi2-bi1)

xj_area=(aj2-aj1)×(bj2-bj1)

定義3：差異性函數(shù)diff(Xi,Xj)。

在X中，?Xi,Xj∈X:Xi=(ai1,bi1,ai2,bi2)，Xj=(aj1,bj1,aj2,bj2)，且i≠j，已知iou(Xi,Xj)，Xi和Xj的差異性函數(shù)diff(Xi,Xj)可定義為：

diff(Xi,Xj)=1-iou(Xi,Xj)

定義4：檢出率avg_iou。

在X中，設(shè)e為聚類算法得出的k個先驗框，iou(Xi,e)為第i個真實框和先驗框的交并比，則X和e的檢出率avg_iou可定義為：

定義5：X的k近鄰。

?Xi∈X，Xi的k近鄰由函數(shù)Nk(Xi)=N定義，其中N滿足以下條件：

(1)N?X/{Xi}；

(2)|N|=k；

(3)?Xi∈N,Xz∈X/(N+{Xi}):diff(Xi,Xj)≤diff(Xi,Xz)。

定義6：X的逆k近鄰。

?Xi∈X，Xi的逆k近鄰由函數(shù)Rk(Xi)=R定義，其中R滿足以下條件：

(1)R?X/{Xi}；

(2)?Xj∈R:Xi∈Nk(Xj)。

定義7：直接密度可達。

如果Xi和Xj滿足下列兩個條件時，Xi是Xj可以直接達到的密度：

(1)Xi∈Nk(Xj)；

(2)|Rk(Xj)|≥k。

定義8：密度可達。

如果有一個鏈X1,X2,…,Xm，X1=y，Xm=x，且滿足|Rk(x)|≥k。如果滿足如下條件的話，則x是y的密度可達。

(1)?1≤i≤m-1：當(dāng)|Rk(x)|

(2)?1≤i≤m-2：觀測點Xi+1從觀測點Xi直接可達的，或者說，觀測點Xi從觀測點Xi+1直接可達的。

定義9：類。

一個類別C是X的一個非空子集(?≠C?X)，滿足下列條件：

(1)?Xi,Xj∈X：如果Xi∈C且Xj是Xi的密度可達，則Xj∈C(極大性)；

(2)?Xi,Xj∈C：Xi和Xj密度相連(連接性)。

定義10：類的密度。

給定類別C，設(shè)C的密度為C中核心觀測之間的直接密度可達距離的最大值。類別C的密度由函數(shù)den(C)定義:

其中，y是x直接到達的密度。

3 文中方法

基于YOLOv3的物體檢測方法首先需對已標注古建筑圖像真實框進行聚類，采用k-means聚類算法。然而針對古建筑圖像，k-means算法聚類結(jié)果存在以下問題：(1)k-means算法的k個初始聚類中心是隨機選取的，從不同初始聚類中心出發(fā)，得到的聚類結(jié)果也各不相同，因此聚類結(jié)果容易陷入局部最優(yōu)解。(2)標注的古建筑圖像真實框具有寬高差距大、寬高比例不一的特點，若k-means算法選取的k個初始聚類中心處于真實框的k個高密度分布的區(qū)域，則聚類效果極佳，用時短；若k-means算法選取的k個初始聚類中心處于真實框的k個低密度分布的區(qū)域，則聚類效果極差。因此，基于k-means算法的初始聚類中心的選擇會對聚類結(jié)果產(chǎn)生很大的影響。而古建筑圖像真實框具有寬高信息差距大、比例不一的特點，依據(jù)古建筑的這些特點容易形成高密度區(qū)域。所以，結(jié)合密度聚類方法可有效提高聚類結(jié)果。在所有的密度聚類方法中，RNN-DBSCAN具有參數(shù)少、可應(yīng)用于各種形狀的優(yōu)點，具體聚類過程為：首先輸入數(shù)據(jù)集和參數(shù)k，接下來計算它的k近鄰和逆近鄰，k近鄰和逆近鄰的并集組成了影響空間，然后以影響空間為聚類擴展條件，依賴密度可達等概念進行聚類拓展。影響空間的引入進一步確保RNN-DBSCAN的聚類中心來自于聚類高密度區(qū)域，從而得到最佳的聚類結(jié)果。

基于上述思想，該文設(shè)計了一種RNN-DBSCAN+k-means方法，該方法分兩個步驟進行。首先運用RNN-DBSCAN算法對已標注古建筑圖像的真實框聚類，得出多組迭代的聚類結(jié)果；再從這些聚類結(jié)果中選出檢出率最高的一組；然后將RNN-DBSCAN算法得出的聚類結(jié)果作為k-means聚類算法的初始聚類中心，進行二次聚類；最后k-means聚類得出的結(jié)果則為最終結(jié)果，作為YOLOv3網(wǎng)絡(luò)訓(xùn)練的先驗框。

3.1 初始聚類中心的確定

RNN-DBSCAN算法作為基于密度的聚類算法，具有能準確識別噪聲點、處理任意形狀和大小的簇的優(yōu)點，因此，基于RNN-DBSCAN的聚類結(jié)果可有效確定聚類高密度區(qū)域，進而準確定位聚類中心，從而解決k-means方法聚類結(jié)果波動性大、不穩(wěn)定的問題。然而，RNN-DBSCAN得到的聚類結(jié)果受輸入k值的影響較大，而YOLOv3網(wǎng)絡(luò)進行物體檢測的過程中需要9個先驗框。因此，要想確保最終的聚類中心為9個先驗框，基于YOLOv3的物體檢測方法需要將經(jīng)過預(yù)處理的所有真實框進行RNN-DBSCAN聚類，從得到的多組結(jié)果中挑出9個先驗框。

基于上述思想，初始聚類步驟如下：

(1)數(shù)據(jù)預(yù)處理。

a.輸入n幅已標注古建筑圖像，構(gòu)建古建筑數(shù)據(jù)集I={I1,I2,…,In}，從I中提取已標注真實框左上角和右下角的坐標信息Xi=(ai1,bi1,ai2,bi2),1≤i≤m。由于一幅古建筑圖片中可能包含多個古建筑真實框，因此m和n的關(guān)系為m≥n。

b.依據(jù)下式：

將Xi轉(zhuǎn)化為真實框的寬高信息為Mi=(wi,hi),1≤i≤m；

c.構(gòu)建真實框的類別列表classList，如第i、j、k幅圖像的真實框?qū)捀咝畔⒎謩e為Mi=(wi,hi)，Mj=(wj,hj)，Mk=(wk,hk)，若滿足wi=wj≠wk，hi=hj≠hk，則Mi和Mj表示相同的真實框，相應(yīng)地，Mi、Mj是一類，Mk是一類，因此，真實框類別列表classList=[1,1,2]；

d.將M中寬高信息完全相同的真實框去掉，形成N，記N的長度為N'，即所有真實框初始為N'類；

e.依據(jù)classList構(gòu)建數(shù)據(jù)詞典classDict，如上述第i、j、k幅圖像的真實框所形成的數(shù)據(jù)詞典classList=[[[Mi,Mj],1],[[Mk],2]]。

(2)計算差異性矩陣。

a.依據(jù)數(shù)據(jù)預(yù)處理獲得的X，確定真實框總個數(shù)m，建立初始值為-1的m×m矩陣W，W即為差異性矩陣；

b.?Xi,Xj∈X，依據(jù)定義2和定義3，計算差異性函數(shù)值diff(Xi,Xj)=1-iou(Xi,Xj)；

c.依據(jù)差異性函數(shù)值更新差異性矩陣W，計算方法為：Wij=Wji=diff(Xi,Xj)。

(3)聚類過程。

a.數(shù)據(jù)信息整合：

①依據(jù)k(選取真實框Xi周圍差異性函數(shù)值最小的真實框的數(shù)目)、M、classList和W，根據(jù)定義5，在差異性矩陣W中尋找與真實框Mi的差異性函數(shù)值最小的k個真實框，若這k個真實框為M1,M2,…,Mk，并標記為kMatrix[i]=(1,2,…,k)，依據(jù)上述過程c個類別可生成kMatrix[m,m]；

②創(chuàng)建矩陣rMatrix[m,m]，依據(jù)定義6，在kMatrix中找到每一個對象的逆k近鄰rMatrix[i]=(1,2,…,k)；

③構(gòu)建數(shù)據(jù)信息整合矩陣IM，其中IM[i]=[M[i],rMatrix[i],kMatrix[i],W[i],i,classList[i]]，1≤i≤m。

b.聚類擴展：

①創(chuàng)建長度為m、初始值為-1的數(shù)組assign，assign即為類別矩陣，其中-1表示未分類；

②創(chuàng)建類別cluster并賦值為1；

③依據(jù)定義7和定義8，依次遍歷數(shù)據(jù)整合矩陣IM中的每個真實框Mi。以Mj為例，Mj是以Mi為中心的簇中的一個真實框，若rMatrix[j]的長度小于k，則assign[j]=-2，此時Mj被認為是噪聲；若rMatrix[j]的長度不小于k，則認為密度可達，此時assign[j]=assign[i]，依據(jù)定義9，Mj和Mi屬于同一類；

④依據(jù)定義10，計算類的密度den(C)，輸出類別矩陣assign。

以10個數(shù)據(jù)點為例，數(shù)據(jù)集構(gòu)造及聚類過程如表1所示。

表1 數(shù)據(jù)集構(gòu)造及聚類過程

續(xù)表1

(4)獲得聚類中心。

a.當(dāng)m<3 000時，k=1，且每次迭代k值加1；

在上述迭代過程中，若聚類結(jié)果小于9，則終止迭代。從聚類數(shù)目不小于9個的聚類結(jié)果中挑出聚類數(shù)目最接近9的一組結(jié)果，并計算其檢出率，其中，最接近9的聚類數(shù)目范圍為(9,22)。最后，選出檢出率最高的一個組合作為RNN-DBSCAN聚類的最終結(jié)果。

圖1 RNN-DBSCAN聚類過程

3.2 +k-means算法

為了提高聚類穩(wěn)定性，減少噪聲對聚類結(jié)果的影響，該文在采用RNN-DBSCAN方法得到檢出率最高的一組聚類中心后，將這組聚類中心作為k-means算法的初始聚類中心，并運用差異性函數(shù)作為聚類相似性度量方法，采用中位數(shù)法(將簇中所有真實框的中位數(shù)的寬高信息作為更新后的聚類中心點更新聚類中心)進行k-means聚類。獲得的最終聚類結(jié)果即為YOLOv3模型所需的先驗框。

4 實驗結(jié)果

以Windows7操作系統(tǒng)為平臺，AMD A8-5550M APU with Radeon(TM) HD Graphics處理器，12 GB內(nèi)存為開發(fā)環(huán)境，以及開放源碼工具箱python3.6、Tensorflow1.14.0、Keras2.2.5和opencv4.5.5為工具，實現(xiàn)了基于RNN-DBSCAN+k-means，結(jié)合影響空間與YOLOv3的古建筑檢測算法。該算法共包括兩部分，分別為古建筑數(shù)據(jù)集構(gòu)建及網(wǎng)絡(luò)訓(xùn)練、測試結(jié)果。

4.1 數(shù)據(jù)集及預(yù)處理

古建筑數(shù)據(jù)集共有12 660幅圖像，包括4類古建筑類型：五臺山龍泉寺、九華山旃檀寺、普陀山法雨寺和峨眉金頂寺。依照3.1節(jié)方法構(gòu)建古建筑數(shù)據(jù)集，以數(shù)據(jù)集中的一幅圖像為例(如圖2所示)，它所提取的真實框信息如表2所示。

圖2 已標記的圖像825

表2 圖像825生成的真實框信息

voc數(shù)據(jù)集共有9 963幅圖像，包括20種類型，分別為飛機、自行車、鳥、船、公共汽車、小汽車、貓、椅子、牛、餐桌、狗、馬、摩托車、人、盆栽植物、羊、沙發(fā)、火車和電視監(jiān)視器。

好的聚類算法產(chǎn)生良好的先驗框，使得先驗框在未訓(xùn)練前就具備目標的部分特征。在后續(xù)的網(wǎng)絡(luò)訓(xùn)練中能夠降低網(wǎng)絡(luò)迭代次數(shù)，加快網(wǎng)絡(luò)訓(xùn)練速度，更快取得最佳訓(xùn)練效果。

古建筑數(shù)據(jù)集可劃分為訓(xùn)練集和測試集，如表3所示。其中，訓(xùn)練集占80%，測試集占20%。

表3 訓(xùn)練集和測試集的劃分

該文采用YOLOv3網(wǎng)絡(luò)對古建筑進行訓(xùn)練和測試。模型訓(xùn)練分為預(yù)訓(xùn)練和全訓(xùn)練。設(shè)置epoches為100，其中3epoch為預(yù)訓(xùn)練，其余為全訓(xùn)練。訓(xùn)練過程中每三次迭代保存為一個權(quán)重文件，方便后續(xù)確定最佳訓(xùn)練效果的迭代范圍。訓(xùn)練完成后，用訓(xùn)練得到的權(quán)重文件對測試集進行測試，輸入待檢測圖片，得到測試結(jié)果。

4.2 測試結(jié)果

評價指標為檢出率和檢測概率。其中，檢出率應(yīng)用于先驗框中，在RNN-DBSCAN+k-means算法得出先驗框后，采用檢出率驗證先驗框的有效性，用百分比表示。檢測概率應(yīng)用于YOLOv3模型的測試中，用來檢測古建筑圖像中成功識別古建筑的概率，也用百分比來表示。

以古建筑數(shù)據(jù)集和voc數(shù)據(jù)集為對象，驗證算法檢測結(jié)果的有效性，分別采用k-means算法和RNN-DBSCAN+k-means算法進行聚類，計算其檢出率，具體結(jié)果如表4所示。

從表4可以看出：

表4 k-means方法和RNN-DBSCAN+k-means方法在兩種數(shù)據(jù)集上的檢出率 %

·針對古建筑數(shù)據(jù)集，采用iou的k-means物體檢測結(jié)果相較于基于歐氏距離的k-means物體檢測結(jié)果，檢出率有所提升。主要原因是：將差異性函數(shù)(1-iou)作為聚類相似性度量，能將所有真實框中寬高比例相同或相近的真實框聚為一類，進而提高檢出率；若依據(jù)定義1的歐氏距離，聚類結(jié)果是將寬相同、高相差較大或高相同、寬相差較大的真實框聚成一類，檢出率較低。

·在voc數(shù)據(jù)集和古建筑數(shù)據(jù)集中，RNN-DBSCAN+k-means算法與采用iou的k-means算法相比，除voc數(shù)據(jù)集的類別9、11、12、16和20因目標形態(tài)各異和樣本數(shù)不足，導(dǎo)致檢出率略低于iou k-means的檢出率外，其余類別的檢出率提升范圍為0.1%～0.9%，在古建筑數(shù)據(jù)集中平均提高了0.33%；在voc數(shù)據(jù)集單類檢測中，檢出率提升最高為voc數(shù)據(jù)集類別1，檢出率為0.84%。原因為：與k-means算法隨機選取初始聚類中心相比，RNN-DBSCAN算法的聚類結(jié)果已具備目標的部分特征，將其作為k-means算法的初始聚類中心，聚類結(jié)果更加穩(wěn)定，從而提高了檢出率。

在古建筑數(shù)據(jù)集中運用YOLOv3模型檢測的結(jié)果如下：以訓(xùn)練集中圖像1為例，檢測結(jié)果如圖3左所示，檢測概率為98%。以測試集中圖像2為例，檢測結(jié)果如圖3右所示，檢測概率為77%。訓(xùn)練集和測試集均取得了很好的結(jié)果。

(a)圖像1(左) (b)圖像2(右)

5 結(jié)束語

針對基于YOLOv3的古建筑檢測結(jié)果不穩(wěn)定的問題，結(jié)合影響空間思想，提出了一種基于RNN-DBSCAN+k-means的古建筑檢測算法。該算法主要采用RNN-DBSCAN獲得初始聚類中心，并以上述聚類中心為初始值，結(jié)合差異性函數(shù)與k-means獲得聚類結(jié)果，并進一步得到先驗框。將先驗框用于YOLOv3網(wǎng)絡(luò)對古建筑的訓(xùn)練中，得到更穩(wěn)定的權(quán)重。檢測結(jié)果在古建筑數(shù)據(jù)集上取得了很好的效果。同時，在非古建筑數(shù)據(jù)集(voc)上，RNN-DBSCAN+k-means方法獲取先驗框的檢出率也有所提高，驗證了采用RNN-DBSCAN+k-means方法獲取先驗框的有效性。

但RNN-DBSCAN+k-means算法也存在弊端，由于該算法是兩種算法的組合，所以時間復(fù)雜度略高于k-means，有待進一步改進。該算法從整體上來說，獲取的先驗框更加穩(wěn)定，有利于YOLOv3模型的訓(xùn)練和測試，檢測精度有所提高。