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。