典型文献
基于无监督和YOLOX的农村房屋建设状态识别算法
文献摘要：
[目的]为了提升自然场景中农村在建房屋的识别准确率,并为后续的农村违建房屋智能化监管提供技术支撑.[方法]文章基于无监督聚类和YOLOX目标检测算法,发展了一种乡村房屋在建状态识别方法.首先,构建在建房屋无监督聚类模型,并以此对在建房屋进行类别精细划分,使得不同类别之间特征差异较大,相同类别特征差异较小,其次,再使用划分好的类别制作房屋检测数据集,并训练YOLOX目标检测模型对在建房屋进行识别,最后,在在建房屋数据集上设计模型对比实验,以此验证算法有效性.[结果]实验结果表明:在在建房屋识别任务中,基于无监督聚类和YOLOX的在建房屋识别算法mAP为83.27％,比采用原始数据(不进行在建房屋类别划分)训练的YOLOX算法mAP提升了7.91％,同时比采用人工划分类别的YOLOX算法mAP提升了5.08％.[结论]因此该文方法有效提升了乡村房屋在建状态的识别精度,同时也为具有复杂场景和多个不同状态的目标进行识别时,提升识别准确率提供一种有效且可靠的解决思路.
文献关键词：
无监督聚类;YOLOX;乡村房屋;目标检测;状态复杂
中图分类号：
作者姓名：
凌敏;胡华浪;曾爱萍;陶双华;王亚鑫
作者机构：
西南交通大学中国土地信息大数据研究院,四川成都610097;农业农村部大数据发展中心,北京100020
文献出处：
引用格式：
[1]凌敏;胡华浪;曾爱萍;陶双华;王亚鑫-.基于无监督和YOLOX的农村房屋建设状态识别算法)[J].中国农业信息,2022(03):52-60
A类：
农村违建房,乡村房屋
B类：
YOLOX,农村房屋,房屋建设,状态识别,识别算法,自然场景,中农,识别准确率,智能化监管,无监督聚类,目标检测算法,建在,聚类模型,精细划分,特征差异,类别特征,分好,房屋检测,检测数据集,目标检测模型,设计模型,模型对比,mAP,原始数据,类别划分,分类别,识别精度,复杂场景,解决思路,状态复杂
AB值：
0.299412
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
