西藏文化元素智能检测模型研究

西藏文化博大精深,然而受地理环境等因素影响,藏文化走向全国、走向世界的进程却十分缓慢.西藏文化元素作为藏文化的主要体现形式,迄今为止对其检测与识别的相关研究相对匮乏.而已有研究中,大多关注单一目标识别,推广性不强,直接影响了藏文化的传播.文章结合人工智能技术,进一步探索西藏文化元素智能检测模型的建设.采集藏地风景、藏式建筑、藏文化元素符号、藏族服饰、歌舞游艺、工艺器具、科学医药、历史、民俗节日、唐卡壁画和牦牛等11类元素图像,形成含有5966张图像的西藏文化元素(TCD)数据集;通过清洗打标,形成供神经网络模型训练的训练集;分析对比当前较为先进的yolov3、efficientnet-yolo3和yolov4等9个目标检测模型在TCD上的检测精度和检测速率.实验表明,yolov5(x)预测准确度最高,达到70.96％;yolov4-tiny模型预测速度最快,达到134.05FPS,yolox(s)综合性能最好,选取yolox(s)模型作为西藏文化元素智能检测模型的研究基础最佳.